文档介绍：学位论文作者签名:擀学位论文作者签名:玛鸯斧独创性声明学位论文版权使用授权书签字日期:力垃年多月签字日期:易口年弓月/日或撰写过的研究成果,也不包含为获得丞洼王些太堂或其他教育机构的学位或本学位论文作者完全了解丞洼王些太堂有关保留、使用学位论文的规定。特授权丞洼王些太堂可以将学位论文的全部或部分内容编入有关数据库进行本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。检索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。C艿难宦畚脑诮饷芎笫视帽臼谌ㄋ得
⋯文的捌燃\渊嬲一、通过对机组振动信号的处理,分析叶片的动态特征;用频域响应峰值能量变化率的方法实现叶片故障特征的提取。。在发动机不解体的情况下,按曲轴转角对时域信号进行合理分段,提取各段信号的能量为故障特征值。二、对提取的故障特征向量进行归一化、降维和参数寻优的方法进行数据处理,通过支持向量机的方法进行样本的训练和预测,实现复杂机械的故障诊断。
摘要机械设备运行状态的好坏直接影响到机械设备的工作状况。本文基于支持向量机方法构建的风力机叶片和发动机两个模块。模态分析确定了风力机的固有频率和振型,提取风力机叶片的前七固有频率找到相对应的振型,通过振型判断出叶片的根部、距叶尖、/日裥结点处受到的疲劳应力大,确定了叶片的危险截面。从风力机的振动信号中提取其叶片运行状态的动态参数,将其动态参数作为叶片运行状态故障监测与诊断的特征量。计算对应叶片低频特性的功率谱,从中提取对应叶片低频的峰值能量值及计算其变化率。对叶片的正常收献刺姆值能量变化率分别建立不同状态的特征向量,用支持向量机分类方法进行故障模在发动机不解体的情况下,通过分析发动机的结构和振动信号的传递路径,选择合适的测点进行信号的采集,通过上止点的定位截取整周期的时域信号,按照发动机曲轴转角进行时域信号的划分,对划分后的信号进行幅值能量的计算提取,建立不同故障类型的训练集和测试集,通过支持向量机的方法实现故障模式基于的图形化编程,搭建了旋转与往复式机械故障诊断系统。通过对风力机叶片和发动机的数据进行归一化、降维和参数寻优的处理,通过支持向量机的方法实现样本的训练和预测,最后在支持向量机的故障分类界面下实现对研究结果表明,本文振动信号的采集和故障特征值的提取方法对判别不同故障行之有效,运用支持向量机的方法对风力机叶片和发动机的故障识别具有重要实用价值和工程意义。关键词:风力机叶片峰值能量变化率故障识别发动机时域能量支持向量机式的识别。识别。不同故障类型的预测。
.甌..籩;簑.,疭...—.痯甀疭./琫,甈恝鬰,Ⅳ。,籶;。
录目第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。机械故障诊断的研究现状和故障特征提取方法⋯⋯⋯⋯⋯⋯⋯⋯⋯故障模式识别方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯复杂机械故障诊断的国内外发展方向⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文研究的主要内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第二章复杂机械振动信号的获取及特性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯振动信号获取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.诨檎穸囊镀穸藕呕袢.⒍忌粘寤髡穸藕呕袢振动信号特性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..缁镀恼穸藕盘匦苑治觥.⒍穸藕诺奶匦苑治觥本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第三章机械故障特征量的提取及故障分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯风力机叶片故障特征量提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..》」⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⒍=》椒ń樯堋.⒍收戏治觥本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
第四章基于支持向量机的复杂机械的故障模式识别⋯⋯⋯⋯⋯⋯⋯⋯⋯支持向量机ⅥⅥ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.С窒蛄炕的核函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第五章旋转与往复式机械故障诊断系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯