基于粒子滤波与支持向量机的柴油机故障诊断 [复制链接]

资料简介：
硕士学位论文 基于粒子滤波与支持向量机的柴油机故障诊断，共72页。
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。  
关键词：柴油机，粒子滤波，局域均值分解，支持向量机

目录
1 绪论  1
11 本课题研究背景和意义  1
12 粒子滤波国内外研究现状  2
13 柴油机故障诊断国内外研究现状及发展趋势  3
131 柴油机国内外的研究现状  3
132 柴油机故障诊断技术的发展趋势  5
14 论文结构安排  6
2 柴油机故障诊断  7
21 柴油机主要结构  7
22 柴油机故障分类及故障产生的原因  7
23 柴油机故障机理研究  9
24 柴油机故障诊断的难点  9
25 本章总结  10
3 粒子滤波理论  11
31 状态空间模型  11
32 贝叶斯理论  11
33 粒子滤波  12
331 蒙特卡罗积分  12
332 序列重要性采样（SIS）  13
333 重采样  14
334 粒子滤波的基本算法  14
34 粒子滤波改进算法  15
341 重要性密度函数  15
342 辅助粒子滤波  16
343 高斯粒子滤波  17
35 粒子滤波算法仿真  18
351 粒子滤波的状态估计仿真  18
352 粒子滤波的降噪仿真  20
36 本章小结  21
4 柴油机故障诊断实验及振动信号处理  23
41 柴油机实验设计  23
411 柴油机的系统组成  23
412 实验仪器的选择  24
413 实验测点的布置  24
42 实验几种故障的设置  25
43 本文实验步骤  26
44 柴油机振动信号 AR 模型建立  27
441 柴油机振动信号预处理  27
442 振动信号系统的辨识  31
443 柴油机系统 AR 模型的确定  31
444 系统模型的参数估计和定阶  33
445 柴油机粒子滤波降噪  36
45 本章小结  39
5 基于支持向量机的故障识别  40
51 小波包能量谱的特征值提取  40
511 小波包能量特征值提取原理  40
512 小波包能量谱分析  41
52 支持向量机基本理论  43
521 支持向量机原理  43
522 线性可分支持向量机  43
523 非线性支持向量机  46
53 支持向量机的故障诊断  48
531 支持向量机的模式识别  48
532 支持向量机的残差生成  50
533 支持向量机的故障预测  50
54 样本数据及支持向量机的故障分类  51
55 本章小结  53
6 总结与展望  54
61 总结  54
62 展望  54
参考文献  56
硕士研究生在读期间发表论文及研究成果  61
致谢

资料文件预览：
共1文件夹，1个文件，文件总大小：1.82MB，压缩后大小：1.74MB

• 基于粒子滤波与支持向量机的柴油机故障诊断
• 基于粒子滤波与支持向量机的柴油机故障诊断_杨月.caj  [1.82MB]