考慮測試不確定性的旋轉(zhuǎn)機(jī)械健康管理方法.pdf

1、旋轉(zhuǎn)機(jī)械的智能健康管理是實(shí)現(xiàn)對(duì)旋轉(zhuǎn)機(jī)械的運(yùn)行維護(hù)以及安全保障的重要手段，在旋轉(zhuǎn)機(jī)械的整個(gè)壽命過程中，健康管理技術(shù)的作用在于與控制模塊一起協(xié)同工作，保證旋轉(zhuǎn)機(jī)械的可靠、穩(wěn)定運(yùn)行，使旋轉(zhuǎn)機(jī)械擁有較長的工作壽命。而健康管理作為一項(xiàng)以多學(xué)科綜合為基礎(chǔ)的技術(shù)，其所涉及的基礎(chǔ)學(xué)科門類眾多，包含的研究內(nèi)容廣泛。其中的故障診斷、運(yùn)行狀態(tài)監(jiān)測與壽命預(yù)測是旋轉(zhuǎn)機(jī)械健康管理體系中三項(xiàng)頗具實(shí)用性的技術(shù)，在本文中，作者將它們的特點(diǎn)與聯(lián)系進(jìn)行了分析討論，給出了具體

2、算法應(yīng)用中所遇到的數(shù)據(jù)/參數(shù)不確定問題的解決方法，并完成了實(shí)驗(yàn)驗(yàn)證。
　　論文的主要研究內(nèi)容和成果包括如下幾個(gè)方面：
　　首先，研究了基于函數(shù)相關(guān)性分析的傳統(tǒng)特征提取方法在面對(duì)非平穩(wěn)信號(hào)處理時(shí)存在的適應(yīng)性不足的問題，提出了不確定性提取方法，該方法使得在對(duì)故障旋轉(zhuǎn)機(jī)械的監(jiān)測信號(hào)進(jìn)行特征提取時(shí)可以獲得更加具備代表性的特征集合，避免了傳統(tǒng)信號(hào)特征提取中由于分解基的引入和選擇所帶來的問題。
　　其次，研究了一種基于熵增比率的決

3、策樹算法并將其用于實(shí)現(xiàn)特征選擇。與經(jīng)典的決策樹算法相比，改進(jìn)的決策樹算法具有更佳的泛化能力以及較短的運(yùn)算時(shí)間。結(jié)合由原始信號(hào)所提取的不確定性成分以及決策樹算法可以篩選出代表性較好的特征集合，測試結(jié)果表明所篩選的特征具有更高的分類正確率。
　　第三，針對(duì)監(jiān)測數(shù)據(jù)特征存在不確定性這一問題首先分析了故障診斷中不確定性可能的來源，然后研究了不確定性支持向量機(jī)算法以及不確定性神經(jīng)網(wǎng)絡(luò)算法，并將它們應(yīng)用于面向數(shù)據(jù)特征的分類。將所提出的不確定性

4、提取方法，特征選擇方法以及兩種特征分類算法結(jié)合起來，建立了一種考慮數(shù)據(jù)不確定性因素的轉(zhuǎn)子故障診斷方法。該方法在測試數(shù)據(jù)集上表現(xiàn)出了較高的診斷率，證明了其良好的泛化能力。
　　第四，在針對(duì)單一故障模式提出的診斷方法的基礎(chǔ)上，研究了動(dòng)態(tài)源數(shù)估計(jì)方法以及盲源分離方法，對(duì)具有多個(gè)故障源的復(fù)合故障旋轉(zhuǎn)機(jī)械進(jìn)行了實(shí)驗(yàn)，將其與已提出的故障診斷方法相結(jié)合，實(shí)現(xiàn)了旋轉(zhuǎn)機(jī)械的復(fù)合故障診斷。
　　第五，針對(duì)非平穩(wěn)運(yùn)行工況下的旋轉(zhuǎn)機(jī)械健康監(jiān)測提出了

5、一種基于不確定性縮減的新穎性檢測算法。研究了建立在局部極值提取上的極限分布函數(shù)以及它們的性質(zhì)。在對(duì)時(shí)變非平穩(wěn)數(shù)據(jù)分析的基礎(chǔ)上提出了用互信息散度實(shí)時(shí)地對(duì)極值分布的穩(wěn)定程度做出判斷的策略，實(shí)現(xiàn)了一種低虛警率的健康監(jiān)測技術(shù)。
　　最后，將監(jiān)測數(shù)據(jù)的區(qū)間不確定性模型引入旋轉(zhuǎn)機(jī)械的壽命預(yù)測過程，在實(shí)現(xiàn)轉(zhuǎn)子壽命預(yù)測的同時(shí)得到了不確定參數(shù)在壽命預(yù)測模型中的傳播規(guī)律?？梢砸源艘?guī)律實(shí)現(xiàn)對(duì)不確定性的有效控制，并在這一過程的基礎(chǔ)之上建立一種基于有限信息