【英文题名】
Research on Equipment Fault Prediction based on Information Fusion
【作者】
张钱龙 ;
【导师】
韩捷 ;
【学位授予单位】
郑州大学 ;
【学科专业名称】
机械电子工程
【学位年度】
2016
【论文级别】
硕士
【网络出版投稿人】
郑州大学
【网络出版投稿时间】
2016-07-21
【关键词】
故障预测 ;
全矢谱 ;
信息融合 ;
最小二乘支持向量回归 ;
回归预测 ;
【英文关键词】
Fault prediction ;
Full vector spectrum ;
Information fusion ;
Least squares support vector regression ;
Regression prediction ;
【中文摘要】
机械设备对工业进步起到了巨大的促进作用,为保障工业生产中关键设备持续、高效运行,提高生产率,准确的诊断与预测设备故障逐渐成为工业发展的重中之重。以往的故障预测技术大都基于单传感器信号,然而由于转子涡动现象的存在,靠单一传感器采集的信号往往比较片面,这就导致其预测结果不够准确。而全矢谱技术能融合多通道信号并准确提取特征量,克服了预测数据不可靠的技术难点,可以有效提高故障预测的精度。支持向量回归方法在解决小样本预测问题中具有明显的优越性,而在其基础上拓展出的最小二乘支持向量回归具有更好的泛化能力和预测性能。在设备故障预测中采用最小二乘支持向量回归可以充分利用设备状态监测系统中近段时间内采集的小样本数据进行趋势预测,这就大大提高预测结果的可信度,具有良好的工程实用效果。本文将全矢谱技术与最小二乘支持向量回归方法相结合,构建基于信息融合的设备故障预测模型,与以往时域指标的预测不同,该模型是对反映设备运行状态的频谱结构进行预测,并通过实例验证其有效性。本课题的主要研究工作如下:1、分析不同的信息融合方法,并通过对比说明全矢谱技术的优势。介绍全矢谱技术的原理、算法以及特点,并通过风力涡轮机故障诊断综合实验台上的诊断实例验...
【英文摘要】
Mechanical equipment has played a huge role in promoting industrial progress. In order to ensure the continuous and efficient operation of key equipment in industrial production, and improve productivity, accurate diagnosis and prediction for equipment fault has gradually become the most important of the industrial development.Most of the fault prediction techniques in the past are based on single-sensor signal, however, due to the eddy whirling of rotor, the signal collected by a single sensor is often one...
【更新日期】
2017-01-07
【相同导师文献】
导师：韩捷 导师单位：郑州大学 学位授予单位：郑州大学基于KPCA-HMM的全矢故障预测模型研究 [D]. 郑州大学,2018基于信息融合与深度学习的滚动轴承诊断研究 [D]. 郑州大学,2018基于大数据的设备故障全矢预测模型研究 [D]. 郑州大学,2017基于全矢谱的设备故障强度预测研究 [D]. 郑州大学,2016基于信息融合的设备故障预测研究 [D]. 郑州大学,2016进动分解及其在转子动平衡中的应用研究 [D]. 郑州大学,2016各向异性支撑转子的失衡响应与平衡方法研究 [D]. 郑州大学,2017基于全矢MEMD的滚动轴承状态退化研究 [D]. 郑州大学,2017智能倒频谱及其在故障诊断中的应用研究 [D]. 郑州大学,2015全矢高阶统计量及其在故障诊断中的应用研究 [D]. 郑州大学,2015
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。
| 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
