首页 > 88必威

基于SVM风电机组齿轮箱故障诊断系统研究

来源:论文学术网
时间:2024-08-18 18:56:50
热度:242

基于SVM风电机组齿轮箱故障诊断系统研究【摘要】:随着科学技术的迅速发展,现代工业设备正朝着精密化、复杂化以及高度集成化方向发展,设备安全稳定运行成为企业正常生产的关键。风电机组齿

【摘要】:随着科学技术的迅速发展,现代工业设备正朝着精密化、复杂化以及高度集成化方向发展,设备安全稳定运行成为企业正常生产的关键。风电机组齿轮箱为风电机组运行过程中的关键部件,安装在风机顶部较为狭小位置,一旦发生故障,维修非常困难,其健康状况直接关系到风电企业生产的安全性和经济效益。针对风电机组齿轮箱振动信号分析中存在小样本问题,且风电机组齿轮箱振动信号存在非线性与非平稳特性,本文结合支持向量机算法,对基于支持向量机的风电机组齿轮箱故障模式识别、诊断模型参数选择等多方面问题进行了研究与分析。 本文首先介绍了支持向量机的基本理论与方法,分析了最小二乘支持向量机针对分类问题的基本原理和算法。然后结合支持向量机在模式识别问题中的特性,将小波分析技术与最小二乘支持向量机结合,进行风电机组齿轮箱振动故障的模式识别。 支持向量机分类模型参数的选择对分类效果起着至关重要的作用。本文利用遗传算法的全局搜索能力,提出基于遗传算法的最小二乘支持向量机振动故障分类模型的参数选择方法,并应用于风电机组齿轮箱的振动信号模式识别中。实验表明,支持向量机用于风电机组齿轮箱故障诊断中具有良好的效果,证明其在处理小样本问题上的优越性。 【关键词】:风电机组 齿轮箱 故障诊断 小波分析 支持向量机 遗传算法
【学位授予单位】:华北电力大学
【学位级别】:硕士
【学位授予年份】:2013
【分类号】:TP277;TM315
【目录】:
  • 摘要5-6
  • Abstract6-10
  • 第1章 绪论10-15
  • 1.1 选题背景和意义10-11
  • 1.2 故障诊断技术的发展11-12
  • 1.2.1 国外故障诊断技术的发展现状11
  • 1.2.2 我国故障诊断技术的发展现状11-12
  • 1.3 支持向量机应用现状12-13
  • 1.3.1 国外应用现状12
  • 1.3.2 国内应用现状12-13
  • 1.4 论文研究内容及结构安排13-15
  • 1.4.1 论文研究目的13
  • 1.4.2 论文研究内容13-15
  • 第2章 支持向量机理论15-28
  • 2.1 统计学习理论15-20
  • 2.1.1 机器学习问题15-16
  • 2.1.2 经验风险最小化16-17
  • 2.1.3 VC维17-18
  • 2.1.4 统计学习推广性的界18-19
  • 2.1.5 结构风险最小化19-20
  • 2.2 支持向量机理论20-23
  • 2.2.1 最优超平面20-22
  • 2.2.2 核函数22-23
  • 2.3 最小二乘支持向量机23-24
  • 2.4 基于支持向量机的故障诊断方法24-27
  • 2.4.1 支持向量机多类分类算法24-25
  • 2.4.2 基于支持向量机的故障诊断步骤25-26
  • 2.4.3 分类算法比较26-27
  • 2.5 结论27-28
  • 第3章 风电机组齿轮箱故障模式识别28-46
  • 3.1 风电机组齿轮箱结构及故障类型28-32
  • 3.1.1 风电机组齿轮箱的结构28-30
  • 3.1.2 风电机组齿轮箱常见的故障形式30-32
  • 3.2 基于小波分析的故障振动信号处理32-41
  • 3.2.1 小波变换原理32-33
  • 3.2.2 小波包变换原理33-35
  • 3.2.3 小波阈值降噪35-39
  • 3.2.4 小波包能量特征提取39-41
  • 3.3 基于LS-SVM的风电机组齿轮箱故障模式识别41-42
  • 3.4 基于神经网络的故障诊断技术42-45
  • 3.4.1 BP神经网络42-44
  • 3.4.2 BP神经网络在风电机组齿轮箱故障诊断中的应用44-45
  • 3.5 结论45-46
  • 第4章 基于遗传算法的支持向量机参数选择46-51
  • 4.1 遗传算法46-49
  • 4.1.1 遗传算法的基本要素46-48
  • 4.1.2 遗传算法的特点48-49
  • 4.2 GA-LSSVM参数选择49-50
  • 4.3 实例分析50
  • 4.4 结论50-51
  • 第5章 故障诊断系统设计与实现51-59
  • 5.1 系统总体结构分析51-53
  • 5.1.1 系统总体结构51-52
  • 5.1.2 系统主要功能模块设计52-53
  • 5.2 技术分析53-56
  • 5.2.1 基于ASP技术与SQL数据库相结合技术53-55
  • 5.2.2 .NET技术与Matlab混合编程技术55-56
  • 5.3 用户系统页面实现56-58
  • 5.3.1 用户登录模块实现56-57
  • 5.3.2 故障诊断模块实现57-58
  • 5.4 结论58-59
  • 第6章 总结与展望59-61
  • 6.1 研究总结59
  • 6.2 研究展望59-61
  • 参考文献61-65
  • 攻读硕士学位期间发表的论文及其它成果65-66
  • 致谢66


您可以在本站搜索以下学术论文文献来了解更多相关内容

基于改进遗传算法的支持向量机特征选择    张子宁;单甘霖;段修生;张岐龙;

工程机械智能故障诊断技术的研究现状及发展趋势    龚雪;

遗传算法的工程应用    肖俊;

风电增速箱齿轮设计计算若干问题探讨    刘忠明;尚珍;董进朝;张和平;张志宏;

遗传算法和支持向量机在机械故障诊断中的应用研究    王凯;张永祥;李军;

基于复小波块阈值的降噪方法及其在机械故障诊断中的应用    陈志新;徐金梧;杨德斌;

C/S结构和B/S结构在网络教育平台上的运用    张建;冯霞敏;

Web数据库应用的结构    李建平;段富;刘唐美;

基于遗传算法的进化支持向量机研究    赵洪波

小波降噪阈值选取的研究    余晃晶;

基于支持向量机的机械故障模式分类研究    潘明清

基于支持向量机的水电机组故障诊断研究    邹敏

风力发电机组齿轮箱早期故障诊断方法研究    张亮

基于支持向量机的故障诊断方法    谢芳芳

面向旋转机械的支持向量机方法及智能故障诊断系统研究    顾小军

基于Hilbert-Huang变换和支持向量机的水轮发电机组状态监测与故障诊断方法研究    王小宇

基于振动信号的滚动轴承故障诊断的方法研究    崔硕

基于支持向量机的机车轴承故障诊断系统的研究    耿永强

基于粗糙集和支持向量机的智能故障诊断方法研究    王柯

基于小波分析的机械故障特征提取与诊断技术研究    易雄

基于小波分析的齿轮箱故障诊断技术的分析与研究    周亮

基于SVM的机车主变流器故障诊断    钟燕科

建筑物沉降预测的改进Verhulst模型研究    周德强;冯建中;

LS-SVM在烟气轮机振动故障诊断中的应用研究    王淑芳;于芙蓉;

基于核方法的智能综合评价框架系统建造方法    肖健华

基于粒子群优化的SVR算法与BP网络的比较研究    陈传亮;田英杰;别荣芳;

基于SVM多分类法的变压器油中溶解气体故障诊断    张哲;朱永利;武中利;韩凯;

基于可靠性数据分析和最小二乘支持向量机的电力变压器故障诊断    符杨;张雷;江玉蓉;左官芳;

基于支持向量机的船舶柴油机故障诊断    朱志宇;刘维亭;

基于气体传感器的变压器在线DGA系统的研究    赵立华;李洋流;李国强;

基于支持向量机的机内测试降虚警技术    徐哲;刘冠军;邱静;吕克洪;

锅炉给水泵轴承温度变化状态预测    吴兴伟;迟道才;

可拓关联函数与属性约简相结合的变压器故障诊断方法    胡泽江;张海涛;

LEAKAGE FORECASTING FOR WATER SUPPLY NETWORK baseD ON GA-SVM MODEL    

基于PCA的SVM故障诊断方法研究与应用    肖江;蒋爱平;

基于SVM分类算法的电力变压器故障诊断    张国荣;

基于PCA的SVM故障诊断方法研究与应用    肖江;蒋爱平;

基于支持向量机的马田系统阈值确定方法研究    曾江辉;曾凤章;陈嵩辉;

A survey of fault diagnosis technology for electronic circuit based on knowledge technology    Wu Lifeng;Zheng Xueyan;Guan,Yong;Wang Guohui;Li Xiaojuan;

Fault Detection based On Robust Independent Component Analysis And Support Vector Machines    Ying Feng;Jin Zhao;Yu Ji;Jie Xu;Zhongyu Shen;

New Dimensionless Parameter Construction Using Genetic Programming for Fault Classifying of Rotating Machinery    Qinghua Zhang;Qin Hu;Guoxi Sun;Aisong Qin;Xiaosheng Si;

基于GPU并行计算的数值模拟与燃煤锅炉系统的优化研究    吴锋

数学形态学在机械故障诊断中的应用研究    沈路

基于非线性信号分析的滚动轴承状态监测诊断研究    刘永斌

基于核方法的旋转机械故障诊断技术与模式分析方法研究    蒋玲莉

基于电力变压器故障特征气体分层特性的诊断与预测方法研究    胡青

旋转机械非平稳信号微弱特征提取方法研究    蒋永华

基于声像模式识别的故障诊断机理研究    侯俊剑

基于改进支持向量机和纹理图像分析的旋转机械故障诊断    刘路

变压器故障诊断与预测集成学习方法及维修决策模型研究    郑元兵

融合支持向量机的水电机组混合智能故障诊断研究    张孝远

基于量子粒子群优化的Volterra核辨识及故障诊断方法研究    蒋静

基于全矢高阶谱的故障诊断方法及其应用研究    李朋勇

基于局域均值分解的机械故障诊断方法研究    刘卫兵

基于全矢谱的故障预测关键技术研究    樊碧波

电力电子装置故障诊断技术研究    从静

基于粗糙集与证据理论的瓦斯传感器故障诊断技术的研究    胡雅馨

基于非平稳信号处理的滚动轴承智能故障诊断方法研究    李健宝

基于HOS的滚动轴承故障诊断方法应用研究    郭雄伟

基于盲信号分离的齿轮系统故障诊断研究    吴勇军

基于改进的小波变换和支持向量机的纺织细纱机故障自动诊断    朱明玲

光纤电压传感器最新进展    唐丽杰,吴重庆,尚玉峰,张勇

基于自适应模拟退火遗传算法的特征选择方法    张昊;陶然;李志勇;杜华;

基于小波分析的大型齿轮箱低速轴故障诊断    高立新,韩金顺,张建宇,丁庆新,崔玲丽

基于小波包-AR谱技术提取柴油发动机曲轴轴承故障特征    肖云魁,李世义,王建新,杨万成,邢文华

基于遗传算法的网络故障诊断专家系统的设计与实现    戴忠健,苏利敏

双馈风力发电机并网方法的原理分析及仿真实验研究    张劲松;刘连根;徐凤星;佘岳;

变频技术在风力发电中的应用    周璜;魏利平;

经验模态分解的时频分析方法及其应用    徐世艳;

基于LabVIEW与MATLAB混合编程的虚拟仪器设计及实现    唐建锋,罗湘南

滚动轴承故障在线智能诊断仪    王平

希尔伯特—黄变换局瞬信号分析理论的研究    钟佑明

支持向量机算法的研究及其应用    范昕炜

面向旋转机械故障诊断的经验模态分解时频分析方法及实验研究    胡劲松

HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用    冯长建

基于支持向量机的旋转机械故障诊断    赵冲冲

支持向量机及其在控制中的应用研究    孙宗海

非平稳信号故障特征提取与智能诊断方法的研究及应用    王奉涛

支持向量机分类与回归方法研究    孙德山

基于独立分量分析的旋转机械故障诊断方法研究    焦卫东

基于Hilbert-Huang变换的旋转机械故障诊断方法研究    程军圣

基于神经网络的水轮发电机组振动故障诊断专家系统的研究    刘峰

基于EMD和BP网络联合的故障诊断技术    周晨赓

驱动桥疲劳试验技术研究及试验台系统软件开发    赵明岩

旋转机械状态监测系统的研究与开发    刘颖峰

水电机组状态监测及故障诊断研究    徐东海

水轮发电机组振动在线监测与分析系统研究    刘金凤

基于经验模态分解法的滚动轴承故障诊断系统研究    曾海平

支持向量机在液压系统故障诊断中的应用研究    杨琦

希尔伯特—黄变换方法的仿真研究    高云超

基于振动信号的滚动轴承故障诊断方法研究    孔亚林

基于系统特性的齿轮箱故障诊断    高永生;唐力伟;王建华;金海薇;

一种基于支持向量机的齿轮箱故障诊断方法    吴德会;

空分457齿轮箱故障诊断    王华;包磊;宋昊明;郭颖;叶伟;

基于倒频谱特征提取的齿轮箱故障诊断    朱有剑;李建;

7500吨浮吊齿轮箱故障诊断系统的研究    陈勇旗;陈启军;

基于核独立分量分析的齿轮箱故障诊断    田昊;唐力伟;田广;张彦;

齿轮箱故障诊断技术现状与发展趋势    杨佳鑫;齐蕴光;蔡兆中;

基于系统模型的齿轮箱故障诊断    王金雷;王刚;

基于整机运转状态的齿轮箱故障诊断研究    王琦;

齿轮箱故障诊断系统与方法    汤和;

基于人工神经网络技术的齿轮箱故障诊断应用研究    蔡安江;豆卫涛;柴彦昌;孙少军;

基于系统特性的齿轮箱故障诊断    高永生;唐力伟;甘霖;杨通强;

基于灰色聚类决策的齿轮箱故障诊断    李爱民;

循环自相关函数在齿轮箱故障诊断中的应用    金大玮;李建桥;贾民平;

LWPEE与SVM在风电齿轮箱故障诊断中的应用    董海江;赵春华;万诗庆;汪伟;

基于多传感器信息融合的行星齿轮箱故障诊断    雷亚国;林京;何正嘉;

基于滤波技术和粒子群优化的齿轮箱故障诊断研究    许昕

小波分析及其在齿轮箱故障诊断中应用研究    焦新涛

基于虚拟仪器的大型高速齿轮箱故障诊断系统研究    陈晗霄

传动齿轮箱故障诊断系统研究    杨成

基于粒子群优化与支持向量机的齿轮箱故障诊断研究    范江东

局域均值分解方法在齿轮箱故障诊断中的研究    朱兵

基于粒子群优化和系统特性的齿轮箱故障诊断研究    孙黎明

基于模糊聚类和灰色理论的齿轮箱故障诊断研究    王清

齿轮箱故障诊断在安全生产中的应用    许昕

基于嵌入式的齿轮箱故障诊断系统研究    史霞飞

基于小波分析理论的齿轮箱故障诊断研究    蔡建进

多技术融合在齿轮箱故障诊断中的应用    杨玮

242
Baidu
map