2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩81頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、轉(zhuǎn)子系統(tǒng)的故障診斷過程包括診斷信息的獲取、故障特征信息提取和狀態(tài)識別三部分。其中,故障特征提取是診斷的關鍵。本文將時頻分析的新方法--局部均值分解法(簡稱LMD)應用于轉(zhuǎn)子系統(tǒng)的故障診斷中。該方法的特點是可以獲得一系列瞬時頻率具有物理意義的PF分量。本文對LMD方法在轉(zhuǎn)子系統(tǒng)故障診斷中的應用進行了研究。主要研究工作如下:
   1.針對轉(zhuǎn)子系統(tǒng)故障振動信號的非平穩(wěn)特性,提出了一種基于LMD和神經(jīng)網(wǎng)絡相結(jié)合的故障診斷方法。該方法首

2、先對信號進行LMD分解,將其分解為若干個PF分量之和,再選取包含主要故障信息的PF分量做進一步分析,從這些分量中提取時域統(tǒng)計量和能量等特征參數(shù)作為神經(jīng)網(wǎng)絡的輸入?yún)?shù)來識別轉(zhuǎn)子系統(tǒng)的故障類別。結(jié)果表明,基于LMD與神經(jīng)網(wǎng)絡的故障診斷方法能夠準確、有效地對轉(zhuǎn)子系統(tǒng)的工作狀態(tài)和故障類型進行分類。
   2.提出了基于LMD和AR模型相結(jié)合的轉(zhuǎn)子系統(tǒng)故障診斷方法。該方法先用LMD方法將轉(zhuǎn)子振動信號分解成若干個瞬時頻率具有物理意義的PF分

3、量之和,然后對每一個PF分量建立AR模型,提取模型參數(shù)和殘差方差作為故障特征向量,并以此作為神經(jīng)網(wǎng)絡分類器的輸入來識別轉(zhuǎn)子的工作狀態(tài)和故障類型。與內(nèi)稟模態(tài)函數(shù)分解法(簡稱EMD方法)的對比研究表明,這兩種方法均能有效地應用于轉(zhuǎn)子系統(tǒng)的故障診斷。但LMD方法在信號分解方面體現(xiàn)了更大的優(yōu)勢。
   3.針對LMD分解法的頻率混淆問題,提出了基于改進的LMD和奇異值分解法相結(jié)合的轉(zhuǎn)子系統(tǒng)故障診斷方法。該方法先用小波包分解法將轉(zhuǎn)子振動信

4、號分解成若干個小波包分量,進一步對各小波包分量進行LMD分解,得到一系列PF分量,形成初始特征向量矩陣。然后對初始特征向量矩陣進行奇異值分解得到矩陣的奇異值,將其作為特征向量輸入神經(jīng)網(wǎng)絡來識別轉(zhuǎn)子系統(tǒng)的工作狀態(tài)和故障類型。實驗結(jié)果表明,該方法能有效的用于轉(zhuǎn)子系統(tǒng)故障診斷。
   4.提出了基于改進的LMD和時頻熵相結(jié)合的轉(zhuǎn)子系統(tǒng)故障診斷方法,轉(zhuǎn)子系統(tǒng)振動信號進行小波-LMD分解后,能量分布在具有不同時間尺度的PF分量上,轉(zhuǎn)子系統(tǒng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論