学位论文 > 优秀研究生学位论文题录展示

基于2D-HMM的旋转机械故障诊断方法及其应用研究

作　者: 叶大鹏
导　师: 吴昭同；丁启全
学　校: 浙江大学
专　业: 机械制造及其自动化
关键词: 旋转机械故障诊断隐Markov模型二维隐Markov模型特征提取数字滤波振动信号模式分类自组织特征映射小波分析
分类号: TH17
类　型: 博士论文
年　份: 2004年
下　载: 742次
引　用: 10次
阅　读: 论文下载

内容摘要

本论文研究以基于2D-HMM的旋转机械故障诊断方法为目的，结合国家自然基金资助项目“基于隐Markov模型的旋转机械故障诊断新方法研究”(编号：50075079)，采用理论研究、计算机仿真与实验测试相结合的研究方法，提出基于2D-HMM的振动信号滤波、征兆提取和故障分类与识别的基本算法和实现技术，并从仿真、实验和现场实测数据三个方面来验证这些方法的有效性。第一章，阐述了旋转机械故障诊断的研究意义及现状。在分析HMM的故障监测与诊断的基础上，给出了基于2D-HMM故障诊断方法，阐明了本课题的研究意义，提出了论文的主要研究内容和创新之处。第二章，简要介绍了HMM基本理论和算法，分析了2D-HMM的主要类型及拓扑结构，详细讨论了模型的主要参数和算法，提出了在实际应用中存在的问题及相应的改进措施，并从模型结构、参数描述和算法的复杂度三个方面对HMM与2D-HMM进行了对比研究。第三章，从Kalman滤波器入手，提出了2D-HMM滤波方法，详细描述了该方法的工作原理和实现技术，并通过仿真对比了2D-HMM、HMM及Kalman三种滤波方法，证明了它的有效性。在分析2D-HMM滤波方法优缺点的基础上，提出与小波滤波相结合的新方法，并用仿真和实际信号对它进行验证。第四章，在分析2D-HMM描述语音信号的基础上，提出了2D-HMM征兆提取方法，从观测序列形成、参数确定、时频分割三个方面详细讨论了该方法的工作原理、具体算法及实现技术，并用仿真和实测信号对它进行验证。同时，在分析该新特征优缺点的基础上，给出在SOFM框架下将它与传统特征相融合的算法。第五章，在简要回顾了HMM故障识别方法基础上，提出了2D-HMM的故障识别与分类方法，给出了具体的实现技术，利用Bently实验台升速过程振动信号和现场轴承的多模式观测数据验证了算法的有效性。第六章，简要介绍了C++ Builder和MATLAB二种软件的开发环境及混合编程的实现方法，开发出基于2D-HMM的故障诊断软件原型，给出了软件的基本组成和主要功能模块。第七章，对本论文的研究工作和成果进行总结，展望了未来的研究工作。

全文目录

摘要  4-5
ABSTRACT  5-10
第一章绪论  10-26
  1.1 引言  10-11
  1.2 基于振动分析的机械故障诊断研究现状  11-17
    1.2.1 检测与滤波  11-12
    1.2.2 特征提取  12-15
    1.2.3 故障识别与诊断决策  15-17
  1.3 基于HMM的故障监测与诊断  17-21
  1.4 2D-HMM故障诊断方法的可行性及研究意义  21-23
    1.4.1 2D-HMM的研究现状  21-22
    1.4.2 基于2D-HMM故障诊断方法的提出及其意义  22-23
  1.5 研究内容、总体结构及创新之处  23-25
    1.5.1 研究内容  23-24
    1.5.2 总体结构  24
    1.5.3 创新之处  24-25
  1.6 本章小结  25-26
第二章 2D-HMM基本理论和算法  26-45
  2.1 引言  26
  2.2 隐Markov模型  26-31
    2.2.1 基本参数和拓扑结构  26-28
    2.2.2 主要算法  28-31
  2.3 二维隐Markov模型(2D-HMM)  31-39
    2.3.1 常见类型  31-32
    2.3.2 基本参数  32-34
    2.3.3 主要算法  34-39
  2.4 2D-HMM的实际问题  39-42
    2.4.1 算法下溢  39-40
    2.4.2 初始参数选择  40-42
  2.5 算法对比研究  42-44
    2.5.1 模型的结构及参数描述  42-43
    2.5.2 算法的复杂度  43-44
  2.6 本章小结  44-45
第三章基于2D-HMM的振动信号滤波  45-67
  3.1 引言  45
  3.2 数字滤波方法  45-46
  3.3 Kalman滤波  46-49
  3.4 HMM滤波方法  49-50
  3.5 2D-HMM滤波原理  50-55
    3.5.1 滤波相关的变量定义  51-52
    3.5.2 2D-HMM滤波算法  52-53
    3.5.3 2D-HMM滤波的几点讨论  53-55
  3.6 2D-HMM滤波应用  55-58
    3.6.1 滤波步骤  55
    3.6.2 仿真研究  55-57
    3.6.3 实测信号处理  57-58
  3.7 2D-HMM与小波  58-65
    3.7.1 小波滤波  59-60
    3.7.2 小波与HMM  60-61
    3.7.3 基于2D-HMM的小波滤波  61-65
  3.8 本章小结  65-67
第四章基于2D-HMM的振动信号征兆提取  67-90
  4.1 引言  67
  4.2 2D-HMM描述语音信号  67-69
  4.3 观测序列形成  69-71
  4.4 2D-HMM征兆提取方法  71-75
    4.4.1 工作原理  71-72
    4.4.2 时域分割  72-73
    4.4.3 频域分割  73-74
    4.4.4 2D-HMM征兆提取特点  74-75
   4.5 2D-HMM征兆提取应用研究  75-86
    4.5.1 状态数确定原则  75-78
    4.5.2 仿真信号选取  78-80
    4.5.3 新特征形成  80-83
    4.5.4 特征提取方法对比  83-84
    4.5.5 实验台振动信号验证  84-86
   4.6 实际应用中的改进措施  86-89
    4.6.1 SOFM融合原理与算法  86-88
    4.6.2 SOFM特征融合  88-89
   4.7 本章小结  89-90
第五章基于2D-HMM的旋转机械故障识别  90-108
  5.1 引言  90
  5.2 基于模式识别的故障诊断  90-92
  5.3 基于HMM的故障识别原理与步骤  92-93
    5.3.1 故障识别原理  92
    5.3.2 基本步骤  92-93
  5.4 2D-HMM故障诊断原理及步骤  93-97
    5.4.1 2D-HMM故障诊断原理  93-95
    5.4.2 求解类条件概率  95-96
    5.4.3 2D-HMM故障诊断步骤  96-97
  5.5 转子实验台仿真研究  97-102
    5.5.1 常见故障及振动特征  97-98
    5.5.2 转子升速过程模拟实验  98-99
    5.5.3 2D-HMM故障诊断  99-102
  5.6 现场实测信号验证  102-105
    5.6.1 滚动轴承故障诊断方法  102-104
    5.6.2 轴承故障2D-HMM识别  104-105
  5.7 本章小结  105-108
第六章 2D-HMM的故障诊断软件原型开发  108-117
  6.1 引言  108
  6.2 开发工具简介  108-110
    6.2.1 MATLAB系统  108-109
    6.2.2 C++Builder  109-110
  6.3 MATLAB与C++Builder接口规范和实现  110-113
    6.3.1 接口规范  110-111
    6.3.2 接口实现  111-113
  6.4 2D-HMM故障诊断软件  113-116
    6.4.1 数据输入输出  113
    6.4.2 可视化处理  113-114
    6.4.3 软件的滤波和分类功能  114-116
  6.5 本章小结  116-117
第七章结论与展望  117-120
  7.1 研究总结  117-118
  7.2 未来展望  118-120
附录A 实验装置简介  120-123
附录B 缩略语  123-124
附录C 符号表  124-127
参考文献  127-136
攻读博士学位期间发表学术论文及科研究成果  136-137
致谢  137-138

基于2D-HMM的旋转机械故障诊断方法及其应用研究

内容摘要

全文目录

相似论文