基于小波包和支持向量機(jī)的碰摩故障識(shí)別方法的研究.pdf

1、現(xiàn)代旋轉(zhuǎn)機(jī)械在運(yùn)行過(guò)程中，經(jīng)常發(fā)生動(dòng)靜件之間的碰摩故障，如果不及時(shí)發(fā)現(xiàn)，將導(dǎo)致嚴(yán)重的后果。因此本文對(duì)碰摩故障進(jìn)行了研究，提出了基于小波包和支持向量機(jī)的智能診斷方法。
　　故障診斷技術(shù)從本質(zhì)上來(lái)講是一個(gè)機(jī)器運(yùn)行狀態(tài)的模式識(shí)別問(wèn)題，關(guān)鍵在于故障特征信號(hào)的分析及提取，它直接關(guān)系到故障診斷的準(zhǔn)確性和故障早期預(yù)報(bào)的可靠性。小波分析和小波包分析方法具有良好的時(shí)頻局部性，能夠?qū)⑿盘?hào)在任意頻段進(jìn)行劃分，比基于傅立葉變換的分析方法能夠更有效的提取故

2、障特征，尤其是提取微弱故障特征。本文采用的是小波包分析，并詳細(xì)論述了小波包分析理論。利用小波包提取奇異值作為特征向量，能夠較好的反映碰摩信號(hào)的特征，為以后的故障診斷系統(tǒng)提供了故障診斷樣本數(shù)據(jù)。
　　另外本文系統(tǒng)地闡述了支持向量機(jī)的基本理論和特點(diǎn)，在對(duì)碰摩故障診斷分析的基礎(chǔ)上，利用支持向量機(jī)對(duì)得到的樣本數(shù)據(jù)進(jìn)行模式分類，從而實(shí)現(xiàn)故障診斷的作用。同時(shí)本文還對(duì)比研究了神經(jīng)網(wǎng)絡(luò)的分類效果，最后利用Mat lab和VC++混合編程開(kāi)發(fā)得到仿