研究向量基于WPT-DDT-SVM混凝土泵车液压泵故障诊断
最后更新时间:2024-04-14
作者:用户投稿本站原创
点赞:7712
浏览:24939
论文导读:
摘要:液压泵在现代工程机械等众多机械设备中被广泛利用,统计表明,在所有工程机械设备的故障中,液压泵的故障比重约占30-40%。实时在线监测液压泵运转状态、早期预测预警液压泵故障,对于减少液压泵的损坏率、降低工程机械作业现场停工期具有十分重要的作用。本论文以此为背景,提出一套系统的以信号降噪到故障分类的混凝土泵车液压泵故障诊断策略,重点探讨故障状态分类改善算法。针对小波包浅析有着的混频不足,并结合故障信号信号弱、非平稳、有着突变信号等特点,本论文采取频带调整的小波包单子带重构技术进行特点浅析。实验证明该策略能有效消除混频现象。针对特点向量中包含有的不相关和冗余信息,并结合在线故障诊断系统高实时性要求,采取距离区分技术对特点信息进行筛选。实验证明该策略能有效减低计算复杂度,提升分类精度。重点针对已有在线故障诊断策略在大数据量、强噪声下分类速度较低、分类精度不理想等不足,并结合液压泵故障类别数大、工作环境恶劣的特点,提出一种适应于混凝土泵车液压泵在线诊断的状态识别算法——容错度自适应支持向量机。该策略主要以四个方面对分类速度做了改善:(1)引入容错度因子进行模型训练;(2)优先选择能将某一类单独分离出来的二分类器;(3)在满足(2)的基础上选择平均支持向量机少的分类器;(4)引入增量学习算法对参数进行自适应调整,提升多故障诊断中对新故障类别和新故障数据的适应性,保证系统的分类精度。实验证明该策略在显著提升分类速度的同时保证了较高的分类精度。关键词:故障诊断论文小波包论文距离修正技术论文支持向量机论文容错度自适应支持向量机论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-7
目录7-9
插图索引9-11
附表索引11-12
第1章 绪论12-21
4.
4.
参考文献63-66
致谢66-67
附录A 攻读学位期间主要探讨成果67
摘要:液压泵在现代工程机械等众多机械设备中被广泛利用,统计表明,在所有工程机械设备的故障中,液压泵的故障比重约占30-40%。实时在线监测液压泵运转状态、早期预测预警液压泵故障,对于减少液压泵的损坏率、降低工程机械作业现场停工期具有十分重要的作用。本论文以此为背景,提出一套系统的以信号降噪到故障分类的混凝土泵车液压泵故障诊断策略,重点探讨故障状态分类改善算法。针对小波包浅析有着的混频不足,并结合故障信号信号弱、非平稳、有着突变信号等特点,本论文采取频带调整的小波包单子带重构技术进行特点浅析。实验证明该策略能有效消除混频现象。针对特点向量中包含有的不相关和冗余信息,并结合在线故障诊断系统高实时性要求,采取距离区分技术对特点信息进行筛选。实验证明该策略能有效减低计算复杂度,提升分类精度。重点针对已有在线故障诊断策略在大数据量、强噪声下分类速度较低、分类精度不理想等不足,并结合液压泵故障类别数大、工作环境恶劣的特点,提出一种适应于混凝土泵车液压泵在线诊断的状态识别算法——容错度自适应支持向量机。该策略主要以四个方面对分类速度做了改善:(1)引入容错度因子进行模型训练;(2)优先选择能将某一类单独分离出来的二分类器;(3)在满足(2)的基础上选择平均支持向量机少的分类器;(4)引入增量学习算法对参数进行自适应调整,提升多故障诊断中对新故障类别和新故障数据的适应性,保证系统的分类精度。实验证明该策略在显著提升分类速度的同时保证了较高的分类精度。关键词:故障诊断论文小波包论文距离修正技术论文支持向量机论文容错度自适应支持向量机论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-7
目录7-9
插图索引9-11
附表索引11-12
第1章 绪论12-21
1.1 课题来源12
1.2 探讨背景及作用12
1.3 探讨近况12-17
1.3.1 故障诊断技术探讨近况12-14
1.3.2 小波浅析和支持向量机探讨近况14-17
1.4 课题探讨内容17-19
1.5 论文结构19-21
第2章 基于WPT的特点信号浅析21-372.1 小波论述21-26
2.2 频带调整的单子带小波包重构算法26-28
2.3 小波变换的时频特性28-29
2.4 小波用于特点浅析29-32
2.4.1 振动信号去噪29-30
2.4.2 振动信号特点提取30-32
2.5 仿真探讨32-36
2.5.1 时、频和小波域浅析32-33
2.5.2 小波去噪33-35
2.5.3 小波包特点提取35-36
2.6 本章小结36-37
第3章 基于DDT的特点向量筛选37-413.1 距离区分技术37-39
3.2 仿真探讨39
3.3 本章小结39-41
第4章 FTASVM算法和故障状态识别41-584.141-43
4.1.1 统计学论述41
4.1.2 VC维与推广性界41-42
4.1.3 风险最小化原则42-43
4.2 标准SVM模型43-484.
2.1 最优分类面43-45
4.2.2 广义最优分类面45-47
4.2.3 KKT条件47-48
4.3 传统多分类策略48-524.
3.1 一对多分类算法48-49
4.3.2 一对一多分类算法49
4.3.3 决策有向无环多分类算法49-50
4.3.4 二叉树多分类算法50-51
4.3.5 自适应二叉树分类算法51-52
4.4 改善的FTASVM多分类算法52-554.1 预测速度52
4.2 自适应性52-55
4.5 实验浅析55-57
4.5.1 容错度因子对FTASVM的影响55-56
4.5.2 增量学习算法对分类精度的影响56-57
4.6 本章小结57-58
第5章 WPT-DDT-SVM用于混凝土泵车液压泵故障诊断58-625.1 实验对象58-59
5.2 整体设计59
5.3 开发工具介绍59-60
5.4 比较实验与浅析60-61
5.5 本章小结61-62
结论与展望62-63参考文献63-66
致谢66-67
附录A 攻读学位期间主要探讨成果67