版權(quán)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(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、風(fēng)電機組工作在變工況、大溫差等惡劣的環(huán)境下,使得風(fēng)電機組各部件容易出現(xiàn)故障,尤其是風(fēng)電機組傳動系統(tǒng)在交變載荷的作用下很容易出現(xiàn)故障,造成機組停機。風(fēng)電機組傳動系統(tǒng)結(jié)構(gòu)復(fù)雜、體積龐大,對其進行安裝和維護困難,維護費用高,且風(fēng)電機組傳動系統(tǒng)故障導(dǎo)致機組的停機時間長,嚴(yán)重影響發(fā)電量,造成經(jīng)濟損失。解決風(fēng)電機組因傳動系統(tǒng)故障導(dǎo)致巨大經(jīng)濟損失的關(guān)鍵是進行風(fēng)電機組傳動系統(tǒng)早期故障診斷,在故障處于萌芽階段或者故障尚輕微的情況下,對故障進行準(zhǔn)確地識別,
2、并據(jù)此指導(dǎo)保養(yǎng)和維修工作,提高風(fēng)電機組運行的可靠性。風(fēng)電機組傳動系統(tǒng)結(jié)構(gòu)復(fù)雜、工況不穩(wěn)定,早期故障特征信號十分微弱且淹沒在強噪聲環(huán)境中,故障特征難以提取;風(fēng)電機組傳動系統(tǒng)的振動監(jiān)測才開始起步,早期故障樣本缺乏系統(tǒng)的、長期的收集,導(dǎo)致早期故障樣本稀缺。風(fēng)電機組傳動系統(tǒng)的這些特點導(dǎo)致傳統(tǒng)的故障診斷方法難以有效地進行風(fēng)電機組傳動系統(tǒng)早期故障診斷。
流形學(xué)習(xí)是一種非線性數(shù)據(jù)降維方法,可有效地挖掘非線性數(shù)據(jù)的內(nèi)在分布規(guī)律和本質(zhì)信息,已開
3、始應(yīng)用于機械設(shè)備故障診斷中。論文針對風(fēng)電機組傳動系統(tǒng)的特點,在研究和拓展流形學(xué)習(xí)的基礎(chǔ)上,提出了基于泛化流形學(xué)習(xí)的風(fēng)電機組傳動系統(tǒng)早期故障診斷方法,包括基于無監(jiān)督流形學(xué)習(xí)的非線性信號消噪方法、基于監(jiān)督流形學(xué)習(xí)的微弱特征提取方法以及基于參數(shù)優(yōu)化的小子樣早期故障模式識別方法,以實現(xiàn)風(fēng)電機組傳動系統(tǒng)的早期故障診斷。論文主要研究內(nèi)容如下:
?。?)針對風(fēng)電機組傳動系統(tǒng)狀態(tài)信號具有強烈的非線性干擾噪聲的問題,提出基于無監(jiān)督流形學(xué)習(xí)的非線性
4、降噪方法。采用小波包分解將信號分解到各頻帶范圍內(nèi),并分別對各頻帶內(nèi)的小波包分解系數(shù)進行相空間重構(gòu);根據(jù)各信號成分的信噪空間分布,選取相空間重構(gòu)的參數(shù)和信號的本征維數(shù);結(jié)合無監(jiān)督流形學(xué)習(xí)算法在數(shù)據(jù)集本質(zhì)信息挖掘上的優(yōu)勢,采用局部切空間排列(Local tangent space alignment,LTSA)算法將含噪信號從高維相空間投影到低維有用信號空間中,實現(xiàn)信號與噪音的分離,該方法可應(yīng)用于風(fēng)電機組傳動系統(tǒng)強噪音信號的非線性降噪。
5、r> ?。?)針對風(fēng)電機組傳動系統(tǒng)早期故障特征微弱、故障特征難以提取的問題,提出基于監(jiān)督流形學(xué)習(xí)的早期微弱故障特征提取方法。構(gòu)建由多域故障特征組成的高維故障特征集,來更加全面、綜合地表征早期故障。提出改進的核空間距離評估敏感特征選取方法,剔除特征集中的干擾特征和噪聲特征。研究監(jiān)督流形學(xué)習(xí)算法,給出了兩種有監(jiān)督流形學(xué)習(xí)方法——有監(jiān)督擴展線性局部切空間排列算法(Supervised extended-local tangent space
6、alignment,SE-LTSA)和改進的有監(jiān)督局部線性嵌入算法(Enhanced supervised locality linear embedding,ESLLE),以及一種半監(jiān)督流形學(xué)習(xí)算法——半監(jiān)督線性局部切空間排列算法(Semi-supervised local tangent space alignment,SS-LTSA),并給出了新增樣本動態(tài)嵌入算法來進行動態(tài)故障特征提取。監(jiān)督流形學(xué)習(xí)算法將早期故障樣本標(biāo)簽信息有機地
7、融入維數(shù)約簡過程,可提高低維故障特征向量的可辨識性,可用于風(fēng)電機組傳動系統(tǒng)早期微弱故障特征提取。
?。?)針對風(fēng)電機組傳動系統(tǒng)早期故障樣本稀缺的問題,提出了基于參數(shù)優(yōu)化的最小二乘支持向量機(Least square support vector machine,LS-SVM)風(fēng)電機組傳動系統(tǒng)小子樣早期故障模式識別方法。針對 LS-SVM模型參數(shù)優(yōu)化的問題,提出了改進的粒子群優(yōu)化算法(Enhanced particle swarm
8、 optimization,EPSO)。EPSO通過引入局部搜索能力、重新定義粒子搜索速度和自適應(yīng)調(diào)節(jié)優(yōu)化過程的參數(shù),使得EPSO能夠快速地尋找到早期故障識別模型的全局最優(yōu)參數(shù)。
?。?)實現(xiàn)了泛化流形學(xué)習(xí)方法的系統(tǒng)集成,系統(tǒng)主要包括數(shù)據(jù)采集、信號分析與處理、早期微弱故障特征提取、早期故障診斷等功能,可應(yīng)用于風(fēng)電機組傳動系統(tǒng)早期故障診斷,并通過實例應(yīng)用對系統(tǒng)各子模塊進行檢驗。
文章最后對本文的工作進行了總結(jié),并展望下一
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于流形學(xué)習(xí)的風(fēng)電機傳動系統(tǒng)故障診斷方法研究.pdf
- 基于流形學(xué)習(xí)的風(fēng)電機組傳動系統(tǒng)早期故障特征提取方法研究.pdf
- 基于流形學(xué)習(xí)的風(fēng)電機組齒輪箱故障診斷方法研究.pdf
- 風(fēng)電機組傳動系統(tǒng)故障診斷研究.pdf
- 基于信息融合的風(fēng)電機組傳動系統(tǒng)智能故障診斷方法研究.pdf
- 基于信息融合的風(fēng)電機組傳動系統(tǒng)故障診斷方法研究.pdf
- 基于振動監(jiān)測的風(fēng)電機組傳動系統(tǒng)故障診斷研究.pdf
- 風(fēng)電機組齒輪傳動系統(tǒng)動態(tài)特性及故障診斷方法研究.pdf
- 基于流形學(xué)習(xí)的主軸系統(tǒng)故障診斷方法研究.pdf
- 基于變分模態(tài)分解的風(fēng)電機組傳動系統(tǒng)故障診斷研究.pdf
- 雙饋式風(fēng)電機組傳動系統(tǒng)不對中故障診斷研究.pdf
- 風(fēng)電機組行星輪傳動系統(tǒng)動態(tài)特性及故障診斷研究.pdf
- 大型風(fēng)電機組傳動系統(tǒng)故障診斷及狀態(tài)監(jiān)測研究.pdf
- 風(fēng)電機組傳動系統(tǒng)故障檢測及診斷研究.pdf
- 基于流形學(xué)習(xí)的滾動軸承故障診斷若干方法研究.pdf
- 基于流形學(xué)習(xí)的機械故障診斷理論與方法研究.pdf
- 基于協(xié)方差矩陣流形的風(fēng)電機組齒輪箱故障診斷方法研究.pdf
- 基于無監(jiān)督學(xué)習(xí)的風(fēng)電機組傳動鏈智能故障診斷方法研究.pdf
- 基于流形學(xué)習(xí)的旋轉(zhuǎn)機械故障診斷方法研究.pdf
- 機械故障診斷中的流形學(xué)習(xí)方法研究.pdf
評論
0/150
提交評論