基于支持向量機的軋機齒輪箱故障智能診斷技術(shù)研究.pdf

1、本課題針對軋機齒輪箱智能診斷小樣本數(shù)據(jù)以及知識獲取困難的問題,提出支持向量機結(jié)合規(guī)則推理的智能診斷方法。在研究支持向量機(SVM)技術(shù)的優(yōu)缺點,簡要分析規(guī)則推理的方法基礎(chǔ)上,將二者合理地應(yīng)用于齒輪箱故障診斷工作中,有效提高故障診斷準(zhǔn)確性和效率。本課題研究的主要內(nèi)容如下:
　　 (1)研究故障特征的時域提取方法以及小波包分解、經(jīng)驗?zāi)Ｊ椒纸?EMD)方法,并針對模擬故障的試驗數(shù)據(jù)以及軋機監(jiān)測系統(tǒng)提供的工程數(shù)據(jù),研究其與設(shè)備故障之間的

2、關(guān)系。
　　 (2)分析影響支持向量機分類性能的因素,通過實驗數(shù)據(jù)以及現(xiàn)場數(shù)據(jù),重點研究樣本數(shù)量、核函數(shù)參數(shù)、特征選取與支持向量機分類性能的關(guān)系。針對特征選取,應(yīng)用Fisher比率方法進行優(yōu)化,有效提高了支持向量機的分類性能。
　　 (3)運用模糊產(chǎn)生式方法表示故障診斷的規(guī)則,將一些定性的信息定量化,根據(jù)軋機齒輪箱關(guān)鍵部件的典型故障特征,建立了齒輪箱故障診斷規(guī)則的模糊矩陣,通過模糊邏輯推理的方法得出診斷結(jié)論。