论文部分内容阅读
针对旋转机械复杂的工业环境,为满足其故障诊断的高效性和精确性,本文结合分数阶傅里叶变换(Fractional Fourier transform,FRFT)和流形学习算法,研究了多阶次FRFT变换的单特征提取和多特征融合的故障诊断方法,以解决分数阶次选取难题,并利用FRFT变换的多样性,提高分数域的利用效率。研究了时域、频域和时频域下流形学习的故障诊断方法,并与分数域进行比较。另外,集成本文所研究的FRFT和流形学习算法以及其它常用的信号处理方法,基于MATLAB软件平台,开发了一套基于流形学习的旋转机械故障监测与诊断系统。具体研究内容如下:首先,研究了基于流形学习的常用故障诊断方法。分析了流形学习故障诊断方法的基本流程,介绍了常用的流形学习方法;分析了时域、频域和时频域的特点,构建了其各自的高维特征集。并对流形学习方法的降维融合作用进行了实验验证,结果表明合适的方法和有效的特征空间有利于提高故障诊断效率。其次,针对FRFT方法阶次选择困难和阶次利用效率低下的问题,利用多阶次FRFT融合方法代替单阶次寻优方法,实现了阶次的自动选取,取代原来的人为选择;同时提取多阶次的样本熵特征,充分利用分数域的多样性构建高维特征集,再经流形学习降维融合后进行故障诊断,有效地提高了诊断效率。实际应用结果表明,多阶次融合方法在特征提取和故障诊断性能方面要明显优于单阶次方法,且其抗噪性能也更好。再次,针对故障诊断的实时性和样本熵的复杂性问题,以简单的多统计量特征代替复杂的样本熵特征,提取分数域特征。同样利用流形学习对分数域每一阶次下的多个统计指标进行融合,实现特征的多层次融合。以实际应用对样本熵和统计指标的算法耗时进行了对比分析,结果表明统计量特征方法效率远远高于样本熵方法。此外,将多阶次多统计量特征与单阶次多统计量特征、多阶次单统计量特征实验结果对比,进一步验证该方法有效性最后,本文汇集了所研究的FRFT、样本熵和流形学习方法,以及时域特征、频域图谱、EEMD,滤波等方法,设计出一套旋转机械故障监测与诊断系统。该系统基于MATLAB软件平台编译完成,简单实用。可实现对旋转机械的简单监测,也可以进行更深层次的分析与诊断。