非平稳信号特征提取及基于SVM的设备性能评价方法研究

摘要

随着时代发展，工业生产正逐渐向系统化、协同化方向发展，生产设备之间的联系日趋紧密，生产系统日趋复杂。其中，有些设备在整个系统中作用重大，有些设备则十分昂贵。如果这些关键设备的性能发生劣化，可能会导致系统瘫痪或者严重的经济损失。鉴于此，及时准确的性能评价是非常必要的。
　　本文主要研究了设备非平稳信号特征提取和特征选择，及基于支持向量机的设备性能评价方法。
　　在特征提取方面，本文分别采用了连续小波变换、离散小波重构、小波包分解求频带能量等多种方法，经过对结果的深入分析和比对，最终选定了小波包分解求频带能量为最优方法。
　　值得一提的是，本文在研究中发现了信号不同频段变化趋势的相似性，将成组技术思想引入信号分析领域，并对成组理论进行了深入分析，提出了成组技术以广义夹角余弦为度量的非线性矢量空间理论框架，并设计和实现了一种新的成组算法，收到了良好的应用效果。
　　在特征选择方面，本文提出了未知信号的两指标联合选择方法，对模型的预期性质进行了深入探讨，并最终构建了一个满足该性质的数学模型。实际验证结果表明，本模型的选择能力完全达到了预期目标。除此之外，该模型对于类似的选择模式可推广到多指标选择领域，具有一定的普适性。为了特征融合算法的研究更加直观简便，本文还采用了主成份分析对信息做了进一步的压缩，将特征向量降维到可视空间内。
　　在特征融合方面，本文对支持向量机的基本原理做了精炼系统的阐述，并对各种类型支持向量机算法做了大量的仿真实验，积累了丰富的实际经验。经过分析比对，最终选定两种特征融合方法：“一对多”分类器算法和支持向量回归机算法。其中，“一对多”分类器算法用于设备的阶段性能评价，支持向量回归机用于设备的连续性能评价。实验最终结果显示，该两种融合结果在泛化能力和分析精度上都非常优秀。
　　最后，本文采用LabVIEW软件建立了一套完整的设备性能评价实验系统。其中，实验对象是一台搬运机械手，经过可行性分析及对实际硬软件条件考虑，确定监测气路密封性和传动系统灵活性两个方面的性能。经过对历史数据的分析，确定了相关的特征提取方法和特征融合方法，并获得了特征融合的数学模型。最终，数据采集、特征提取、特征融合、输出与存储等全部集成在以MATLAB计算引擎为后台的LabVIEW在线性能评价系统中，实际效果良好。

目录

非平稳信号特征提取及基于SVM的设备性能评价方法研究

Researching on Feature Extraction of Non-stationary Signal and Performance Evaluation of Equipments Based on SVM

摘 要

Abstract

目 录

第1章 绪 论

1.1 课题背景及其现实意义

1.2 设备在线监测及性能评价概述

1.3 论文相关内容综述

1.4 论文主要结构

第2章 非平稳信号特征提取

2.1 小波变换

2.2 小结

第3章 基于成组技术的信息消冗

3.1 问题的提出

3.2 成组技术的基本原理

3.3 改进的成组算法

3.4 改进的成组算法在课题中的应用

3.5 小结

第4章 非平稳信号特征选择

4.1 问题的提出

4.2 两指标联合特征选择方法

4.3 两指标联合特征选择方法在课题中的应用

4.4 主成分分析

4.5 小结

第5章 基于支持向量机的性能评价方法

5.1 支持向量机简介

5.2 支持向量机的基本原理及其仿真验证

5.3 支持向量机在课题中的应用

5.4 小结

第6章 机械手在线监测及性能评价系统

6.1 机械手简介

6.2 信号采集方案的确定

6.3 特征提取与特征融合方法的确定

6.4 LabVIEW在线性能评价系统的搭建

6.5 小结

结 论

参考文献

攻读硕士学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

哈尔滨工业大学硕士学位涉密论文管理

致 谢