基于粒子滤波与支持向量机的柴油机故障诊断

摘要

目前机械设备已经向着性能高、效率高、可靠性好的方向发展,而柴油机作为机械设备的重要组成部分,它的工作状态正常与否和整个系统的运行密切相关,因此对其进行状态监测、故障诊断至关重要。但是在柴油机故障诊断信号处理初期也会存在问题,采集到的振动信号里夹杂着大量的噪声,覆盖了一部分有用信号,不能准确的识别故障,因此需要对采集到的信号进行降噪处理。
　　本文研究的内容主要包括:首先对柴油机的结构、故障产生的原因、故障机理进行研究分析。然后介绍粒子滤波的算法并将其应用于柴油机振动信号的降噪处理,采用局域均值分解(LMD)方法对柴油机原始的振动信号进行分解;将分解得到的每个PF分量与原始的振动信号进行相关性分析,提取出较小相关系数对应的“虚假分量”,进而剔除“虚假分量”并对原始信号进行重构;利用重构后的信号建立AR模型,AR模型的系数作为粒子滤波状态方程的系数,小波变换阈值提取的噪声信号用在粒子滤波的观测方程中,利用观测方程和状态方程对原始信号进行估计得到降噪后信号;提取小波包能量谱的相对能量作为故障诊断的特征量。
　　由于支持向量机在解决小样本、非线性、高维数的模式识别过程中具有独特的优势,因此本文用支持向量机对提取出的特征量进行故障识别。结果表明,该方法能够有效的识别故障,可以解决柴油机的故障诊断问题。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1本课题研究背景和意义

1.2粒子滤波国内外研究现状

1.3柴油机故障诊断国内外研究现状及发展趋势

1.4论文结构安排

2柴油机故障诊断

2.1柴油机主要结构

2.2柴油机故障分类及故障产生的原因

2.3柴油机故障机理研究[26]

2.4柴油机故障诊断的难点

2.5本章总结

3粒子滤波理论

3.1状态空间模型

3.2贝叶斯理论

3.3粒子滤波

3.4粒子滤波改进算法

3.5粒子滤波算法仿真

3.6本章小结

4柴油机故障诊断实验及振动信号处理

4.1柴油机实验设计

4.2实验几种故障的设置

4.3本文实验步骤

4.4柴油机振动信号AR模型建立

4.5本章小结

5基于支持向量机的故障识别

5.1小波包能量谱的特征值提取

5.2支持向量机基本理论

5.3支持向量机的故障诊断

5.4样本数据及支持向量机的故障分类

5.5本章小结

6总结与展望

6.1总结

6.2展望

参考文献

硕士研究生在读期间发表论文及研究成果

致谢