基于IPSO--SVM和DBN的电动阀门故障诊断研究

声明

摘要

第1章绪论

1．1研究背景及意义

1．2国内外研究现状

1．2．1阀门故障诊断方法

1．2．2小波包信号处理技术

1．2．3智能故障诊断方法

1．3研究目标及主要内容

1．3．1研究目标

1．3．2主要内容

1．4论文结构安排

第2章基于小波包变换的电动阀门信号处理方法

2．1小波包变换

2．1．1小波变换基本理论

2．1．2小波包变换基本理论

2．1．3小波变换与小波包变换比较

2．1．4 Daubechies小波介绍

2．2阀门驱动电机故障特征提取

2．2．1实验装置及实验数据采集

2．2．2振动信号的小波包分解

2．2．3振动信号的特征提取

2．3基于小波包能量熵的阀门故障检测

2．3．1基本概念

2．3．2实例分析

2．4本章小结

第3章基于IPSO-SVM的电动阀门故障诊断方法

3．1支持向量机基本理论

3．1．1统计学习基本理论

3．1．2支持向量机分类原理

3．1．3支持向量机多分类器算法

3．2标准粒子群算法

3．2．1基本形式

3．2．2控制参数

3．2．3算法流程

3．3改进粒子群算法

3．3．1对粒子速度与位置更新策略的改进

3．3．2对惯性权重搜索方法的改进

3．4 IPSO-SVM算法流程

3．5 IPSO-SVM的电动阀门故障诊断实例分析

3．5．1样本建立

3．5．2结果分析

3．5．3参数设置分析

3．6本章小结

第4章基于声发射信号的电动阀门内漏状态识别

4．1声发射基本理论

4．1．1声发射产生机理

4．1．2声发射信号检测技术的特点

4．13声发射信号的特征参数

4．2电动闸阀内漏实验

4．2．1声发射采集系统

4．2．2实验方案

4．3．1一般时域特征参数提取

4．3．2小波包分解特征参数提取

4．3基于深度置信网络的阀门内漏程度评估

4．3．1深度置信网络结构

4．3．2深度置信网络训练方法

4．3．3实例分析

4．4本章小结

第5章电动阀门故障诊断系统开发与测试

5．1系统设计

5．1．1设计目标

5．1．2系统功能设计

5．2．1用户登录管理模块

5．2．2数据库管理模块

5．2．3状态监测模块

5．2．4信号小波包分析模块

5．2．5模型训练模块

5．2．6故障诊断模块

5．3系统功能测试

5．3．1阀门驱动电机相不平衡故障

5．3．2阀门内漏故障

5．3．3阀门填料受损故障

5．3．5测试结果分析

5．4本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢