基于HMM/SVM混合模型的核动力旋转机械设备故障诊断方法研究

摘要

核动力系统是一个非常复杂的系统，一旦发生问题，就可能产生严重的后果。核动力设备的故障诊断直接关系到装置的安全性和可靠性。本文将隐马尔可夫模型和支持向量机引入到核动力设备的故障诊断中，丰富了诊断的方法和手段，并在仿真实验中取得了良好的效果。
　　本文对故障信号在幅域、频域、时频域的特征提取技术以及特征选择的具体算法进行了研究，通过对HMM和SVM的基本理论和算法的研究，提出了将HMM的一种改进算法CGHMM应用于混合模型，最终建立了一种新的HMM/SVM混合模型。
　　本文的主要内容如下：
　　1、详细介绍了核动力系统故障诊断的研究现状和背景，并分析了基于HMM/SVM混合模型应用于核动力旋转机械设备故障诊断的可行性。
　　2、分别从振动信号的幅域、频域、时频域对核动力旋转机械设备特征提取的方法进行了研究，重点研究了基于小波分析与小波包能量距的特征提取方法。
　　3、总结了核动力旋转机械设备常见故障及故障特征，研究了特征提取后特征选择的问题和具体算法。
　　4、对HMM和SVM的基本原理和算法做了介绍与研究，并提出了一种新的HMM/SVM混合模型。
　　5、设计了仿真实验方案，对基于HMM/SVM混合模型的诊断方法进行了实验验证。
　　本文以国家高技术研究发展计划“863”计划项目(项目编号：2008AA04Z407)：“基于隐马尔可夫—支持向量机的核电装备状态监测与故障诊断技术研究”为基础，是对核动力设备的故障诊断方法有益的扩展和补充。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪论

1.1本文的研究背景及研究意义

1.2研究现状及可行性分析

1.3 本文的主要内容及创新点

1.4本章小结

第二章 核动力旋转机械特征提取方法研究

2.1特征生成与提取的基本概念

2.2传统的旋转机械特征提取方法

2.3信号的时频特征提取方法

2.4本章小结

第三章 核动力旋转机械设备故障特征和特征选择算法研究

3.1特征选择意义

3.2特征选择前的数据预处理

3.3核动力旋转机械设备常见故障特征

3.4故障特征选择算法研究

3.5本章小结

第四章 基于HMM/SVM混合模型核动力装置故障诊断系统研究

4.1 HMM基本原理与算法研究

4.2 SVM基本原理与算法研究

4.3 HMM/SVM混合模型原理与结构

4.4 HMM/SVM混合模型的训练与识别过程

4.5本章小结

第五章 实验与仿真

5.1仿真实验总体设计

5.2实验结果与分析

5.3本章小结

结论与展望

本文总结

未来展望

参考文献

附录

致谢