機(jī)械狀態(tài)流形特征增強(qiáng)理論及監(jiān)測診斷方法研究.pdf

1、本論文以機(jī)械設(shè)備狀態(tài)的精確辨識與故障的有效診斷為研究目標(biāo)，著眼于流形學(xué)習(xí)對本質(zhì)特征信息上的挖掘能力，通過分析基于狀態(tài)維護(hù)的狀態(tài)特征、模式特征、信號特征三種特征信息的特點(diǎn)，在理論上提出了參照化流形、深度化流形以及稀疏化流形三種流形增強(qiáng)學(xué)習(xí)新模式，在內(nèi)容實(shí)現(xiàn)了對狀態(tài)差異特征、模式敏感特征、信號模態(tài)特征的流形增強(qiáng)學(xué)習(xí)，建立了一種流形特征增強(qiáng)學(xué)習(xí)的設(shè)備狀態(tài)監(jiān)測與故障診斷的研究體系，并分別就上述三種流形增強(qiáng)學(xué)習(xí)的若干理論和問題進(jìn)行了深入研究。

2、r>　　在設(shè)備狀態(tài)特征增強(qiáng)學(xué)習(xí)中，基于機(jī)械設(shè)備具有長期健康運(yùn)行、非健康狀態(tài)同健康狀態(tài)存在著相對較大差異的物理特點(diǎn)，對監(jiān)測樣本建立以相同數(shù)據(jù)為參照樣本的實(shí)時(shí)比對模型，利用流形學(xué)習(xí)獲取該模型參照化流形特征空間，通過分析空間聚類遷移變化來刻畫設(shè)備狀態(tài)的退化情況。該參照化流形空間聚類分布有效地突出了監(jiān)測狀態(tài)相比于健康狀態(tài)的變化信息，揭露了設(shè)備狀態(tài)的差異特征。基于狀態(tài)特征構(gòu)造方式和流形空間的不同，分別發(fā)展了多元統(tǒng)計(jì)特征的流形空間聚類和無特征的拉斯

3、曼流形流形基空間聚類兩種狀態(tài)監(jiān)測方案。并進(jìn)一步提出了參照化流形空間聚類控制圖，實(shí)現(xiàn)對設(shè)備狀態(tài)退化的多階段量化分析以及早期退化時(shí)刻的放大和報(bào)警。
　　在故障模式特征增強(qiáng)學(xué)習(xí)中，基于參照化流形對于差異性特征增強(qiáng)的作用，建立多單元比對模型對原始特征形成擴(kuò)展學(xué)習(xí)、進(jìn)一步利用多層流形學(xué)習(xí)實(shí)現(xiàn)對特征的級聯(lián)式多層學(xué)習(xí)。通過這種多層化學(xué)習(xí)方式，建立了如同多層神經(jīng)網(wǎng)絡(luò)特征學(xué)習(xí)模式，在這種特征擴(kuò)展再學(xué)習(xí)過程中完成對模式敏感特征的增強(qiáng)學(xué)習(xí)。本文利用這種

4、級聯(lián)式深度化流形學(xué)習(xí)方式，提出了多比對模型的兩層流形特征增強(qiáng)算法，有效的增強(qiáng)了不同故障類型之間的差異性、增強(qiáng)了模式特征敏感性，對于實(shí)際故障識別顯示了與傳統(tǒng)的流形特征識別方法的優(yōu)越性。
　　在信號模態(tài)特征增強(qiáng)學(xué)習(xí)中，利用時(shí)頻流形能夠提取瞬態(tài)特征本質(zhì)信息的優(yōu)勢，引入稀疏分析原理，完成兩者優(yōu)勢互補(bǔ)，重新建立一種稀疏化流形特征學(xué)習(xí)新模式，實(shí)現(xiàn)對信號稀疏模態(tài)特征的深度挖掘與再學(xué)習(xí)，克服傳統(tǒng)時(shí)頻流形學(xué)習(xí)在原始瞬態(tài)特征失真以及無法去除強(qiáng)噪聲的缺

5、陷?；谶@種稀疏化流形分析的思想，分別提出了時(shí)頻匹配稀疏和包絡(luò)移不變稀疏的流形模態(tài)特征增強(qiáng)方法，實(shí)現(xiàn)了對原始信號波形特征的保持與恢復(fù)，有利于精確的故障模態(tài)診斷研究。
　　綜上所述，本論文研究了流形特征增強(qiáng)學(xué)習(xí)在CBM中的理論方法，包括狀態(tài)監(jiān)測預(yù)警、故障模式識別、故障信號診斷三個(gè)方面，提出了參照化流形、深度化流形以及稀疏化流形特征增強(qiáng)學(xué)習(xí)方法，進(jìn)行了一次較為完整的特征增強(qiáng)學(xué)習(xí)的研究。和傳統(tǒng)方法對比，流形特征增強(qiáng)可以實(shí)現(xiàn)更有效、更精準(zhǔn)