1、在現(xiàn)代工業(yè)生產(chǎn)中,旋轉(zhuǎn)機(jī)械是最廣泛應(yīng)用的重要設(shè)備,一旦出現(xiàn)重大故障,將造成巨大的經(jīng)濟(jì)損失,甚至產(chǎn)生機(jī)毀人亡的嚴(yán)重后果。因此,開展對旋轉(zhuǎn)機(jī)械故障診斷的研究,具有十分重要的意義。
　　本文探索性地提出支持向量機(jī)(SVM)與證據(jù)理論相結(jié)合的智能診斷方法。根據(jù)小波包分解技術(shù)原理,分別對傳感器測得的信號,提取三種不同的故障特征量(有效值、峭度、能量),結(jié)合具體的實(shí)驗(yàn)數(shù)據(jù),建立了完整的故障特征集。根據(jù)支持向量機(jī)算法的基本思想,給出了基于支持向

2、量機(jī)故障診斷的具體步驟,將已建立的故障特征集作為樣本,對各個(gè)支持向量機(jī)進(jìn)行訓(xùn)練,確定了SVM的最優(yōu)參數(shù)。根據(jù)多類分類算法的基本思想,提出了改進(jìn)的二叉樹多分類算法,并在Matlab平臺(tái)上進(jìn)行試驗(yàn),驗(yàn)證了其有效性,進(jìn)而構(gòu)造了該算法的分類器。在該分類器的基礎(chǔ)上給出了基本概率分配(BPA)函數(shù)的構(gòu)造方法,實(shí)現(xiàn)了多類分類器的基本概率分配模型。根據(jù)D-S證據(jù)理論的基本原理,針對沖突證據(jù)的合成問題,提出了基于證據(jù)距離的合成規(guī)則,并在此基礎(chǔ)上給出了證據(jù)

3、理論融合算法的步驟,將本文的融合算法和其它合成方法進(jìn)行算例分析與比較,結(jié)果驗(yàn)證了本文方法的有效性。最后,根據(jù)前面相關(guān)方法的研究,構(gòu)建了支持向量機(jī)與證據(jù)理論相結(jié)合的模型結(jié)構(gòu)。利用實(shí)驗(yàn)室的旋轉(zhuǎn)機(jī)械故障模擬實(shí)驗(yàn)平臺(tái),模擬旋轉(zhuǎn)機(jī)械的一些典型故障,采集準(zhǔn)確的實(shí)驗(yàn)數(shù)據(jù),提取故障特征,按照已建立模型的模塊對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析,將最終得到的結(jié)果和其他診斷方法的實(shí)驗(yàn)結(jié)果對比,比較分析其訓(xùn)練時(shí)間和診斷精度,實(shí)驗(yàn)結(jié)果驗(yàn)證了本文診斷模型的可行性和有效性。