非平稳信号特征提取及基于SVM的设备性能评价方法研究

论文摘要

随着时代发展,工业生产正逐渐向系统化、协同化方向发展,生产设备之间的联系日趋紧密,生产系统日趋复杂。其中,有些设备在整个系统中作用重大,有些设备则十分昂贵。如果这些关键设备的性能发生劣化,可能会导致系统瘫痪或者严重的经济损失。鉴于此,及时准确的性能评价是非常必要的。本文主要研究了设备非平稳信号特征提取和特征选择,及基于支持向量机的设备性能评价方法。在特征提取方面,本文分别采用了连续小波变换、离散小波重构、小波包分解求频带能量等多种方法,经过对结果的深入分析和比对,最终选定了小波包分解求频带能量为最优方法。值得一提的是,本文在研究中发现了信号不同频段变化趋势的相似性,将成组技术思想引入信号分析领域,并对成组理论进行了深入分析,提出了成组技术以广义夹角余弦为度量的非线性矢量空间理论框架,并设计和实现了一种新的成组算法,收到了良好的应用效果。在特征选择方面,本文提出了未知信号的两指标联合选择方法,对模型的预期性质进行了深入探讨,并最终构建了一个满足该性质的数学模型。实际验证结果表明,本模型的选择能力完全达到了预期目标。除此之外,该模型对于类似的选择模式可推广到多指标选择领域,具有一定的普适性。为了特征融合算法的研究更加直观简便,本文还采用了主成份分析对信息做了进一步的压缩,将特征向量降维到可视空间内。在特征融合方面,本文对支持向量机的基本原理做了精炼系统的阐述,并对各种类型支持向量机算法做了大量的仿真实验,积累了丰富的实际经验。经过分析比对,最终选定两种特征融合方法:“一对多”分类器算法和支持向量回归机算法。其中,“一对多”分类器算法用于设备的阶段性能评价,支持向量回归机用于设备的连续性能评价。实验最终结果显示,该两种融合结果在泛化能力和分析精度上都非常优秀。最后,本文采用LabVIEW软件建立了一套完整的设备性能评价实验系统。其中,实验对象是一台搬运机械手,经过可行性分析及对实际硬软件条件考虑,确定监测气路密封性和传动系统灵活性两个方面的性能。经过对历史数据的分析,确定了相关的特征提取方法和特征融合方法,并获得了特征融合的数学模型。最终,数据采集、特征提取、特征融合、输出与存储等全部集成在以MATLAB计算引擎为后台的LabVIEW在线性能评价系统中,实际效果良好。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及其现实意义
• 1.2 设备在线监测及性能评价概述
• 1.2.1 设备在线监测及性能评价的现状
• 1.2.2 设备在线监测及性能评价的发展趋势
• 1.3 论文相关内容综述
• 1.3.1 特征提取
• 1.3.2 成组技术
• 1.3.3 特征选择
• 1.3.4 特征融合
• 1.3.5 虚拟仪器
• 1.4 论文主要结构
• 第2章 非平稳信号特征提取
• 2.1 小波变换
• 2.1.1 小波变换的基本原理
• 2.1.2 小波变换的计算方法
• 2.1.3 小波变换在课题中的应用
• 2.2 小结
• 第3章 基于成组技术的信息消冗
• 3.1 问题的提出
• 3.2 成组技术的基本原理
• 3.3 改进的成组算法
• 3.3.1 传统成组算法及其不足
• 3.3.2 改进的成组算法的建立
• 3.3.3 改进的成组算法的仿真验证
• 3.4 改进的成组算法在课题中的应用
• 3.5 小结
• 第4章 非平稳信号特征选择
• 4.1 问题的提出
• 4.2 两指标联合特征选择方法
• 4.2.1 香农熵的引入
• 4.2.2 两指标联合特征选择方法的建立
• 4.2.3 两指标联合特征选择方法仿真验证
• 4.3 两指标联合特征选择方法在课题中的应用
• 4.4 主成分分析
• 4.4.1 主成分分析的基本原理
• 4.4.2 主成分分析在课题中的应用
• 4.5 小结
• 第5章 基于支持向量机的性能评价方法
• 5.1 支持向量机简介
• 5.2 支持向量机的基本原理及其仿真验证
• 5.2.1 模式识别问题的一般描述
• 5.2.2 凸优化理论
• 5.2.3 线性支持向量机
• 5.2.4 非线性支持向量机与核函数
• 5.2.5 多类分类问题
• 5.2.6 支持向量回归机
• 5.3 支持向量机在课题中的应用
• 5.3.1 阶段式性能评价方式
• 5.3.2 连续式性能评价方式
• 5.4 小结
• 第6章 机械手在线监测及性能评价系统
• 6.1 机械手简介
• 6.2 信号采集方案的确定
• 6.3 特征提取与特征融合方法的确定
• 6.3.1 特征提取方法的确定
• 6.3.2 特征融合方法的确定
• 6.4 LabVIEW在线性能评价系统的搭建
• 6.4.1 系统的搭建方案
• 6.4.2 在线性能评价模型的建立
• 6.4.3 系统功能介绍
• 6.4.4 框图程序介绍
• 6.5 小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢