基于案例推理的滚动轴承故障诊断

论文摘要

以滚动轴承故障诊断为应用背景,利用人工智能、故障诊断的理论和方法,研究并开发了一个滚动轴承故障诊断专家系统原型,以实现对滚动轴承故障的智能诊断。在深入研究常用的故障诊断智能技术以及基于案例推理方法的基础上,给出了基于案例推理的滚动轴承故障诊断专家系统的设计方案和原型系统。分析和研究了滚动轴承故障诊断领域知识特点和大量的故障维修日志,探讨了基于案例推理方法构造专家系统的关键技术,主要包括基于案例推理的知识工程以及案例检索技术。利用加速度传感器,检测滚动轴承的振动信号,采用小波包分析方法,对滚动轴承的振动信号进行分析,提取其故障能量特征向量,把这个特征向量作为案例的表示,构建案例库。在分析比较了VA-file方法,VA+-file方法和小波多分辨率VA-file方法的特点的基础上,采用了基于小波变换的多分辨率VA-file方法构造滚动轴承故障案例库索引文件,即以小波变换后第一维分量作为主分量,并以主分量排序建立索引。该方法可以降低近似向量的访问数量,提高案例的检索速度和效率。最后,对滚动轴承故障诊断系统的需求进行了分析,在此基础上进行了总体结构和软件结构设计,并介绍了系统的部分功能模块。并就未来的工作做了展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的意义及选题背景
• 1.1.1 课题研究的意义
• 1.1.2 选题背景
• 1.2 案例推理的的简介
• 1.3 滚动轴承故障诊断研究的现状与发展
• 1.4 论文的主要内容及结构安排
• 第二章 案例推理理论的概述
• 2.1 案例推理中案例的表示方法
• 2.2 案例推理中案例的检索
• 2.2.1 案例推理的案例检索目标
• 2.2.2 案例推理的案例检索阶段
• 2.2.3 案例推理的案例检索策略
• 2.3 案例推理中案例改写和调整
• 2.4 案例推理的维护技术
• 2.5 本章小结
• 第三章 滚动轴承故障特征值的提取和案例描述
• 3.1 引言
• 3.2 故障轴承振动与信号的特征分析
• 3.3 小波分析
• 3.3.1 小波函数及积分小波变换
• 3.3.2 小波分解
• 3.3.3 频带范围
• 3.3.4 小波包（Wavelet Packet）分析
• 3.4 基于小波包分析的滚动轴承故障特征的提取
• 3.5 滚动轴承的案例描述
• 3.5.1 滚动轴承的故障案例表示
• 3.5.2 案例库的建立
• 3.6 本章小结
• 第四章 基于小波多分辨率VA-FILE和K-NN的快速检索
• 4.1 引言
• 4.2 VA-file方法
• +-file方法'>4.3 改进的VA-file方法──VA⁺-file方法
• +方法中的b_j的近似确定'>4.3.1 VA⁺方法中的b_j的近似确定
• +方法中的非均匀量化算法'>4.3.2 VA⁺方法中的非均匀量化算法
• 4.4 基于小波多分辨率的VA-file方法和K-NN的快速检索
• 4.4.1 基于小波变换的VA-file索引结构
• 4.4.2 K-NN搜索算法
• 4.5 实验与结果
• 4.6 小结
• 第五章 滚动轴承故障诊断系统的开发
• 5.1 系统需求分析
• 5.2 系统的总体结构
• 5.2.1 系统的总体设计
• 5.2.2 系统的软件结构及功能
• 5.2.3 系统的诊断流程
• 5.2.4 系统的部分功能界面简介
• 5.3 本章小结
• 第六章 总结和展望
• 6.1 论文内容总结
• 6.2 未来工作的展望
• 参考文献
• 致谢
• 攻读学位期间的主要研究成果