基于自適應Mean Shift的結構健康狀態(tài)監(jiān)測技術研究.pdf

1、隨著科學技術的發(fā)展,機械設備越來越復雜,自動化水平越來越高,機械設備在現代工業(yè)生產中的作用和影響越來越大,與其有關的費用越來越高,機器運行中發(fā)生的任何故障或失效不僅會造成重大的經濟損失,甚至還可能導致人員傷亡。因此,應該及時地對設備故障狀態(tài)進行監(jiān)測,使之安全經濟地運轉。本文以滾動軸承為研究對象,研究了基于自適應MeanShift聚類算法的機械結構健康狀態(tài)監(jiān)測技術。
　　研究了信號的預處理方法:時域指標、頻域指標和小波包變換。實驗表

2、明:當滾動軸承出現故障時,時域、頻域指標都會發(fā)生變化,且不同類型損傷和損傷程度不同時,時域和頻率指標有明顯差別;另外,不同類型損傷的振動信號經小波包變換分解后,其能量分布也表現出不同的特征;因此,提取振動信號的時域、頻域和小波包指標可以降低振動信號的維數,有效地描述不同類型的故障狀態(tài)。
　　研究了基于能量熵的健康狀態(tài)監(jiān)測方法,實驗表明:小波包能量熵可以有效地鑒別故障狀態(tài)和損傷程度,可以用來監(jiān)測滾動軸承健康狀態(tài)的變化歷程。
　

3、　論述了MeanShift算法的原理,通過實驗研究了核函數、核半徑以及閾值對聚類算法的影響。核函數影響聚類分析的準確率及算法的迭代次數,對于每一個核函數,聚類算法都存在一個合理的核半徑區(qū)間,當核半徑超出該范圍時,聚類的準確率會降低;另外,閾值越小,算法的聚類效果越好。
　　論述了自適應MeanShift算法(AdaptiveMeanShift,AMS)的原理,通過實驗證明了核函數、初始核半徑以及迭代次數對聚類算法的影響。使用高斯核

4、函數時,核半徑初值的選擇對聚類影響較大,使用Epanechnikov核函數時,核半徑初值對聚類影響較小,與前者相比,它的分類準確率較低;另外,增大迭代次數,可以改善聚類效果。與MeanShift算法相比,AMS算法具有較好的聚類效果。
　　提出了基于自適應MeanShift質心偏移的結構健康狀態(tài)監(jiān)測方法,該方法將無損傷狀態(tài)的質心作為基準,用某一狀態(tài)的質心與基準質心的偏移量判斷結構是否發(fā)生損傷以及損傷程度。實驗表明:與基準質心距離越