基于VPSO-SVDD與WSOM的航空齒輪異常檢測與狀態(tài)辨識
【學(xué)位單位】:重慶大學(xué)
【學(xué)位級別】:碩士
【學(xué)位年份】:2018
【中圖分類】:TP18;V267
【部分圖文】:
子位置(即懲罰因子與核參數(shù))帶入 SVDD 分類器中度;群最大適應(yīng)度值對應(yīng)的粒子位置作為局部最優(yōu)值,將該較大值作為全局最優(yōu);前粒子位置為全局最優(yōu)位置則變異粒子對其位置重新子位置按照式(3.6),速度按照式(3.5)進(jìn)行更新;(2)-(5)過程,直至迭代停止。證SVDD 的航空齒輪箱異常檢測及性能測試塞爾自由大學(xué)的航空齒輪箱公開數(shù)據(jù)對本章算法進(jìn)行轉(zhuǎn)時(shí)的振動(dòng)數(shù)據(jù)對 SVDD 模型進(jìn)行訓(xùn)練,將訓(xùn)練的模行檢測,測試數(shù)據(jù)包括正常樣本以及三種不同的異常4.5 所示:
(a) (b)圖 5.5 SOM(a)與 WSOM(b)神經(jīng)元響應(yīng)結(jié)果Fig 5.5 Response of SOM (a) and WSOM (b) neurons上圖中神經(jīng)元按照從左至右,從下至上進(jìn)行編號。從圖中看出,原始 SOM算法的 2 號神經(jīng)元為“死神經(jīng)元”,沒有響應(yīng)任何一個(gè)樣本的輸入,對于 1 號神經(jīng)元與 3 號神經(jīng)元,SOM 網(wǎng)絡(luò)將輕度剝落部分樣本識別為正常,即本應(yīng)由 3 號神經(jīng)元響應(yīng)的樣本最終由 1號神經(jīng)元響應(yīng)了,該結(jié)果與上一章 SVDD 算法有相似之處,出現(xiàn)了輕度剝落與正常狀態(tài)區(qū)分不明顯。4 號神經(jīng)元同時(shí)響應(yīng)了重度剝落與磨損兩種故障狀態(tài),即訓(xùn)練的神經(jīng)網(wǎng)絡(luò)無法辨識出這兩種故障狀態(tài),且在訓(xùn)練過程的時(shí)效性也略差,達(dá)到了 12s。針對同樣的實(shí)驗(yàn)樣本數(shù)據(jù),在訓(xùn)練次數(shù)同為 300 次,用四種狀態(tài)下的樣本各 50 個(gè),測試樣本各 30 個(gè),WSOM 神經(jīng)網(wǎng)絡(luò)能完全辨識出正常,輕度剝落,重度剝落以及磨損這四種狀態(tài),且在運(yùn)行時(shí)長方面有較大的縮減。下圖分別為 SOM 與 WSOM 神經(jīng)網(wǎng)絡(luò)經(jīng)過 300 次訓(xùn)練之后的權(quán)值分布圖,為
重慶大學(xué)碩士學(xué)位論文擇的特征最佳。出現(xiàn)六種狀態(tài)特征分布難以分離的原因除了特征本身性質(zhì)以及特征選擇算法的影響外,還存在復(fù)合故障狀態(tài)的影響,即點(diǎn)蝕與磨損復(fù)合故障,斷齒與磨損復(fù)合故障。點(diǎn)蝕與磨損復(fù)合故障由于點(diǎn)蝕和磨損同時(shí)存在,同時(shí)包含了兩種故障狀態(tài)的特征,故這種復(fù)合異常狀態(tài)的樣本會(huì)與其組成的基本異常狀態(tài)的樣本難以分離。對于斷齒與磨損復(fù)合故障同理。將六種狀態(tài)下齒輪傳動(dòng)系統(tǒng)仿真數(shù)據(jù)用于驗(yàn)證 SOM 神經(jīng)網(wǎng)絡(luò)狀態(tài)辨識,包括對復(fù)合故障狀態(tài)的辨別。SOM 訓(xùn)練次數(shù)為 300,采用六邊形拓?fù)浣Y(jié)構(gòu),對四種基本狀態(tài)進(jìn)行測試,測試結(jié)果如下:
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 常貴春;葉俊勇;李陽;;基于EEMD樣本熵和SVDD的在役錨固螺桿故障診斷研究[J];軟件;2015年02期
2 馬倫;康建設(shè);趙春宇;呂雷;;基于Morlet小波變換的信號去噪及在軸承狀態(tài)監(jiān)測中的應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2014年09期
3 羅頌榮;程軍圣;鄭近德;;基于ITD分形模糊熵的軸承早期故障診斷[J];振動(dòng).測試與診斷;2013年04期
4 叢華;謝金良;張麗霞;馮輔周;;基于GA-SVDD的軸承性能退化評估[J];裝甲兵工程學(xué)院學(xué)報(bào);2012年01期
5 劉小峰;李慧;柏林;彭永金;;時(shí)頻相關(guān)匹配法在信號提純中的應(yīng)用[J];重慶大學(xué)學(xué)報(bào);2011年11期
6 王峰麗;馬為清;解飛;任麗輝;;航空航天領(lǐng)域的發(fā)展趨勢和制造技術(shù)需求分析[J];制造技術(shù)與機(jī)床;2011年07期
7 蔣永華;湯寶平;董紹江;;自適應(yīng)Morlet小波降噪方法及在軸承故障特征提取中的應(yīng)用[J];儀器儀表學(xué)報(bào);2010年12期
8 劉小峰;柏林;;角域AR譜技術(shù)在齒輪故障診斷中的應(yīng)用[J];振動(dòng)工程學(xué)報(bào);2010年01期
9 蔣永華;湯寶平;劉文藝;董紹江;;基于參數(shù)優(yōu)化Morlet小波變換的故障特征提取方法[J];儀器儀表學(xué)報(bào);2010年01期
10 呂勇;李友榮;肖涵;王志剛;;基于加權(quán)相空間重構(gòu)降噪及樣本熵的齒輪故障分類[J];振動(dòng)工程學(xué)報(bào);2009年05期
本文編號:2884224
本文鏈接:http://www.lk138.cn/kejilunwen/hangkongsky/2884224.html