基于子空间学习的旋转机械故障诊断

Title     Rotating  Machinery Fault Diagnosis Based  on  Learning Subspace
Abstract Rotating machinery is widely used in various fields. In order to ensure the safe operation of rotating machinery, reduce economic losses and avoid catastrophic accidents, the adequate research of rotating machinery fault diagnosis technology is extremely necessary. Taking into account that there are the great number of data signals in the rotating machinery fault diagnosis which are difficult to handle, we will use subspace learning methods to solve fault diagnosis of rotating machinery. This paper studies the feature extraction methods, which are extracting the feature statistics of vibration signal, the vibration signal complex envelope analysis and packet analysis, a total of 130 features extracted. Then the paper studies three subspace-based learning feature reduction methods, namely principal component analysis, linear discriminant analysis and trace ratio linear discriminant analysis. Finally, determine the type of failure using the nearest neighbor classification. Numerical experiments for three dimensionality reduction  methods were also carried out in the paper. Then the paper discusses the merits and accuracy of the three methods and conclusions are given.   源`自*六)维[论*文'网www.lwfree.cn
Keywords    Rotating Machinery，Fault Diagnosis，feature extraction，  subspace learning

1绪论1
1.1旋转机械故障问题研究的目的与意义1
1.2旋转机械故障诊断技术的研究内容及发展现状2
1.3旋转机械特征提取的研究内容3
1.4本文的研究内容4
2.特征提取5
2.1引言5
2.2故障信号的幅域特征分析5
2.3对样本进行复包络分析6
2.4小波包分析6
3子空间学习方法8
3.1主成分分析法8
3.2线性判别分析法9
3.3迹比线性判别分析12
4最近邻分类14
4.1引言14
4.2算法14
4.3最近邻分类法的特点14
5数值实验15
5.1实验数据介绍15
5.2实验结果16

1  绪论
1.1  旋转机械故障问题研究的目的与意义 旋转机械是现代工业的重要组成部分，广泛应用在机械制造、产品加工、国防、能源等诸多领域。其特定的功能主要依靠旋转动作完成，典型的旋转机械有航空发动机、发电机、汽轮机、水泵、离心式和轴流式压缩机、风机、泵、水轮机等，广泛应用于电力、石化、冶金和航空航天等各工业部门[1]。毫不夸张地讲离开了旋转机械，工业将瘫痪，社会将停止发展。伴随着科技和工业现代化，旋转机械设备日益朝着大型化、复杂化、自动化、连续化、高速化、轻型化和大功率、大载荷方向发展[2]。但于此同时，也伴随着高风险化。在实际生产中，一旦这些设备出现故障，所造成的经济损失也将难以估量，并且极有可能造成人员伤亡，产生的社会影响也将是非常恶劣的。例如，1987年山西大同发电厂200MW机组转子断裂，1988年秦岭电厂5号机组主轴断裂，两次事故经济损失均达亿元以上[3]。2008 年  9 月，俄罗斯波音 737 客机因发生机械故障和发动机起火问题而坠毁，机上 88 人全部遇难。2009 年 5 月，伊朗伊拉姆省一辆客车因出现机械故障发生严重车祸，造成至少  28 人死亡。2009 年 6 月，法国一架空客 A330 因出现多个技术问题坠海，228人全部遇难。2009 年7月，伊朗一架客机因机械故障在伊朗加兹温坠毁，153 名乘客和 15 名机组人员全部遇难[4]。因此，一次又一次的惨痛教训告诫我们，对于国家和社会来讲，提高选择机械的状态监测与故障诊断技术是极其重要的，也是迫切需要的。只有先进的监测诊断技术，才能早期发现甚至提前预知旋转机械的故障，只有机械的高效稳定安全的运作得到了保证，经济损失和灾难的发生才能够避免。我国经济要实现高速可持续化发展，机械设备必不可少，机械诊断技术的提高将为我国机械设备的发展提供强有力的保障。 先进的状态监测和故障诊断技术的重要性体现在两个方面。 基于子空间学习的旋转机械故障诊断:http://www.lwfree.cn/wuli/20190106/28829.html
------分隔线----------------------------