主分量法在机械设备故障诊断方法中的应用

摘要

本文主要研究机械设备故障诊断分类方法，研究对象为齿轮和滚动轴承，研究内容主要包括： 故障特征值提取方法：时域特征值主要包括峰值等；频域特征值为均方频率(MSF)；通过建立AR模型利用模型系数做特征值，提取GREEN函数系数做为特征值。 对电厂送风风机滚动轴承振动信号进行时域、频域、AR模型系数、GREEN函数系数等特征值提取，对提取的特征值分别进行主分量法分析(PCA)，通过主分量图可以进行状态的分类，对各特征值分类的效果进行了比较。 对主分量进行核函数映射，构造核函数主分量。针对齿轮振动信号进行上述特征值提取并分别进行主分量分析、核函数主分量分析。结果表明核函数主分量分类的效果好于主分量。用距离函数进行计算设定阈值判断设备状态。 用支持向量机(SVM)对主分量、核函数主分量进行计算寻找支持向量，用支持向量进行分类，节省计算时间，提高了计算的准确率。 采用Delphi7软件开发滚动轴承轴承数据库软件，该程序可实现轴承参数查询，故障特征频率计算，有一定的实际意义。

目录

文摘

英文文摘

声明及关于学位论文使用授权的说明

第一章前言

第二章特征值提取方法

第三章主分量法(PCA)及其应用

第四章核函数主分量(KPCA)在齿轮前期故障诊断中的应用

第5章支持向量机在齿轮故障诊断中的应用

第6章滚动轴承数据库开发

第七章结论及研究展望

参考文献

致谢

在学期间发表论文和参加科研情况：