基于改進(jìn)粒子群和SVM的電機(jī)軸承故障診斷方法研究

《基于改進(jìn)粒子群和SVM的電機(jī)軸承故障診斷方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類號(hào)：學(xué)校代號(hào)：10150UDC：密級(jí)：學(xué)號(hào)：20153178全日制專業(yè)碩士學(xué)位論文基于改進(jìn)粒子群和SVM的電機(jī)軸承故障診斷方法研究ResearchonFaultDiagnosisMethodofMotorBearingbasedonImprovedParticleSwarmOptimizationandSVM學(xué)生姓名：羅映蓮校內(nèi)導(dǎo)師及職稱：鄧武教授企業(yè)導(dǎo)師及職稱：李巖高級(jí)工程師工程領(lǐng)域：計(jì)算機(jī)技術(shù)研究方向：智能診斷論文類型：應(yīng)用研究申請(qǐng)學(xué)位：工程碩士論文答辯日期：2017年6月18日學(xué)位授予單位：大連交通大學(xué)交通大學(xué)學(xué)位論文版權(quán)使用授權(quán)書

2、’，３三二？｜產(chǎn)權(quán)及保＿又乍者完全了解大連交通大學(xué)有關(guān)保護(hù)知識(shí)＾工作的文的規(guī)定：研究生在校攻讀學(xué)位期間論文，即■：：ｆｉ立雲(yún)大連交通大學(xué)Ｉ，本人保證畢業(yè)離校后，發(fā)表或使用Ｉ－吳疔署名單位仍然為大連交通大學(xué)Ｔ：：＾。學(xué)校有權(quán)保留并向二送交論文的復(fù)印件及其電子文檔ｆ１或機(jī)構(gòu)，允許論文被查ｒ吟權(quán)大連交通大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編：ｒ＾據(jù)庫(kù)和收錄到《中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù)》、《中國(guó)￥數(shù)、縮二學(xué)位論文全文數(shù)據(jù)庫(kù)》進(jìn)行信息服務(wù)，也可以采用影印‘舊廢等復(fù)制手段保存或匯編本學(xué)位論

3、文。關(guān)密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）＼）孤轟蘭＿＿導(dǎo)師簽名：．：：令又作者簽名：淨(jìng)／＞年卜月心曰曰期：年６月＃曰７摘要摘要軸承作為電機(jī)最為關(guān)鍵的部件，其運(yùn)行狀態(tài)直接決定著設(shè)備能否安全和可靠運(yùn)行。但由于軸承內(nèi)圈、外圈和滾動(dòng)體間承受高頻、變應(yīng)力的作用，其工作條件十分復(fù)雜，成為電機(jī)中故障敏感多發(fā)部件，一旦發(fā)生故障，故障就會(huì)快速發(fā)展，若不及時(shí)發(fā)現(xiàn)故障并采取相應(yīng)措施，在短時(shí)間內(nèi)會(huì)造成熱軸、燃軸、切軸，導(dǎo)致機(jī)破、停運(yùn)、停產(chǎn)等事故，造成重大的經(jīng)濟(jì)損失。因此，開展電機(jī)軸承故障智能診斷方法的研究，及時(shí)發(fā)現(xiàn)軸承故障，具有重要的理論意義

4、和應(yīng)用價(jià)值。本文結(jié)合國(guó)家自然科學(xué)基金項(xiàng)目，以電機(jī)軸承為研究對(duì)象，將經(jīng)驗(yàn)?zāi)B(tài)分解、模糊熵、改進(jìn)粒子群算法和支持向量機(jī)引入到故障診斷中，提出一種電機(jī)軸承故障診斷新方法。首先，采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)方法，對(duì)電機(jī)軸承振動(dòng)信號(hào)進(jìn)行分解，獲取若干個(gè)基本模態(tài)分量(IMF)，再利用模糊熵技術(shù)有效提取振動(dòng)信號(hào)的特征，并進(jìn)行歸一化處理。通過(guò)改進(jìn)粒子群算法(PSO)的學(xué)習(xí)因子和慣性權(quán)重，并引入自適應(yīng)粒子變異策略，提出一種改進(jìn)的粒子群優(yōu)化算法，用于優(yōu)化支持向量機(jī)(SVM)的核函數(shù)和懲罰參數(shù)，構(gòu)建了一種具有較強(qiáng)泛化能力的數(shù)據(jù)分類模型，以提高分類精度，進(jìn)而建立一種基于

5、經(jīng)驗(yàn)?zāi)B(tài)分解、模糊熵、改進(jìn)粒子群算法和支持向量機(jī)相結(jié)合的電機(jī)軸承故障診斷方法。最后，通過(guò)實(shí)際電機(jī)軸承振動(dòng)數(shù)據(jù)，對(duì)提出的改進(jìn)粒子群算法和故障診斷方法進(jìn)行了有效性的驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，改進(jìn)粒子群算法具有較強(qiáng)的優(yōu)化能力，能有效提高支持向量機(jī)的分類精度，獲得較高的電機(jī)軸承故障診斷準(zhǔn)確率。因此該研究為電機(jī)故障診斷提供了一種新的方法，也為旋轉(zhuǎn)機(jī)械故障診斷提供了一種新思路。關(guān)鍵詞：電機(jī)軸承；故障診斷；模糊熵；改進(jìn)粒子群；支持向量機(jī)IIIABSTRACTABSTRACTBearingisthemostcriticalpartofthemotor,itsrunn

6、ingstatedirectlydetermineswhethertheequipmentcansafelyandreliablyoperate.However,thebearinginnerring,outerringandrollingelementwithstandhighfrequencyandvariablestress,itsworkingconditionsbecomemuchmorecomplicated,soitisasensitivemultiplecomponentoffaultinthemotor.Whenthebear

7、ingfaultoccurs,thefaultwillbedeveloprapidly.Ifthefaultcannotbefoundintimeandhandledwith,itwillcausetheheataxle,burningaxleandcuttingaxle,inashorttime,whichwillleadtotheaccidentsofmachinefailure,outage,shutdownandsoon,andcausethesignificanteconomiclosses.Therefore,ithasimport

8、anttheoreticalsignificanceandapplicationvaluetostudytheintelligentdiagnosis