資源描述：
《基于支持向量機的轉(zhuǎn)子系統(tǒng)早期故障診斷方法-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、·l8·《測控技術(shù)12014年第33卷第9期基于支持向量機的轉(zhuǎn)子系統(tǒng)早期故障診斷方法牛偉’，成娟，毛寧，劉海堂，郭陽明。(1．中航工業(yè)西安航空計算技術(shù)研究所，陜西西安710068；2．西安應用光學研究所，陜西西安710065；3．西北工業(yè)大學計算機學院，陜西西安710072)摘要：轉(zhuǎn)子系統(tǒng)中的振動信號包含了很多狀態(tài)信息，運行過程中故障特征的有效提取和識別對于轉(zhuǎn)子系統(tǒng)早期故障診斷非常關鍵。針對轉(zhuǎn)子系統(tǒng)故障信息的復雜性，提出將小波包分析和支持向量機相結(jié)合的轉(zhuǎn)子系統(tǒng)早期故障診斷方法。該方法首先利用改進的小波包方法提取早期故障特征；然后將提取的特征向
2、量輸入基于支持向量機的分類器進行故障識別。實驗分析結(jié)果表明，該方法在小樣本情況下，能夠有效識別轉(zhuǎn)子系統(tǒng)的早期故障，具有很好的分類精度，而且能夠?qū)崿F(xiàn)旋轉(zhuǎn)機械的多故障診斷。關鍵詞：故障診斷；小波包；支持向量機；粒子群算法中圖分類號：TP277文獻標識碼：A文章編號：1000—8829(2014)09—0018—04MethodofEarlyFaultDiagnosisforRotorSystemBasedonSupportVectorMachineNIUWei‘，CHENGJuan，MAONing，LIUHai—tang，GUOYang—ming
3、(1．AVICXi’anAeronauticsComputingTechniqueResearchInstitute，Xi’an710068，China；2．Xi’anInstituteofAppliedOptics，Xi’an710065，China；3．SchoolofComputerScience，NorthwesternPolytechnicalUniversity，Xi’an710072，China)Abstract：Thevibrationsignalsofrotorinoperationconsistofplentyofinfo
4、rmationaboutitsrunningcondi—tion，andextractionandidentificationoffaultsignalsintheprocessofspeedchangearenecessaryfortheearlyfaultdiagnosisofrotorsystem．Duetothecomplexityoffaultdiagnosisforrotor，anewmethodforearlyfaultdi—agnosisonrotorsystemisproposedwhichcombinesthewavele
5、tpacketandsuppo~vectormachine．Firstly，theimprovedwaveletpacketisusedtoextractearlyfaultfeaturesignals．Then，theearlyfaultfeaturevectorisin—puttedtotheclassifierbasedonthesuppo~vectormachine．Theresultsshowthattheproposedmethodcani—dentifytheearlyfaultofrotorsysteminsmallsampl
6、e，classificationprecisionissatisfactory，andthemulti—faultsdiagnosisofrotorsystemisrealized．Keywords：faultdiagnosis；waveletpacket；suppo~vectormachine；particleswarmalgorithm航空發(fā)動機是飛機的重要組成部分，轉(zhuǎn)子系統(tǒng)是絡、支持向量機(SVM，suppo~vectormachine)等，它發(fā)動機的核心部件。轉(zhuǎn)子系統(tǒng)因其結(jié)構(gòu)復雜、工作環(huán)們各自具有不同的優(yōu)缺點。專家系統(tǒng)方法可靠性高，境
7、惡劣，使得系統(tǒng)的工作狀態(tài)和故障越來越難以判斷適用廣泛，但是過度依賴專家領域的知識獲??；神經(jīng)網(wǎng)和預測，故障造成的影響和危害也越來越大。另外，故絡方法可解決專家系統(tǒng)存在的問題，但是要求具有足障信號發(fā)生初期非常微弱，且常被背景噪聲信號所淹夠多的故障樣本，且容易陷入局部最優(yōu)；SVM方法是沒，因此從微弱信號或被噪聲淹沒的信號中提取早期針對小樣本情況產(chǎn)生的，但是單獨使用SVM，存在特故障特征，是進行準確故障診斷的關鍵。征參數(shù)選擇的問題。目前早期故障診斷方法如專家系統(tǒng)、人工神經(jīng)網(wǎng)筆者在深入研究轉(zhuǎn)子系統(tǒng)早期故障特點的基礎上，提出將小波包分析與SVM相結(jié)合的早
8、期故障識別方法，建立了基于SVM的決策有向無環(huán)圖(DDAG，收稿日期：2013—08—17基金項目：中國博士后科學基金資助項目(2014M552504)decisi
