导读:本文包含了征兆提取论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:征兆,小波,故障诊断,分解,灰度,突变,机组。
征兆提取论文文献综述
陈喜阳,陶迎,闫海桥,张克危[1]（2015）在《基于加窗的CWT灰度矩提取水电机组非平稳征兆》一文中研究指出针对非平稳信号中特征分量对应的连续小波变换(continuous wavelet transform,CWT)系数在时间-尺度平面集结为高幅值能量区,构建了一种沿时间-尺度方向加窗的CWT灰度矩,蕴含了CWT系数图像的纹理特征,可成为一个量化征兆描述非平稳信号的时频特征。仿真结果表明,时间-尺度加窗CWT灰度矩能有效的提取非平稳信号中突变分量的时间-频率-幅值信息,并应用到了叁峡电厂机组的振动分析实例,获得了非平稳信号的时频信息,为水轮机振动量化征兆获取增加了一个新选择。(本文来源于《水力发电学报》期刊2015年04期）
肖汉[2]（2014）在《水电机组智能故障诊断的多元征兆提取方法》一文中研究指出随着我国能源结构的不断优化调整,电网规模逐步扩大,水电能源比重日趋增大,所担负的调峰调频任务也愈加艰巨,这对水电能源生产核心设备——水电机组运行的安全稳定性提出了更加严格的要求。伴随着水电机组巨型化、复杂化的发展,机组故障发生、演化过程中水机电等多种因素的耦合作用越发突显,故障与征兆间的映射关系极为复杂,传统的基于单一类型征兆模式识别的故障诊断方法已经很难满足机组故障诊断可靠性的要求,迫切需要综合提取水电机组故障多元征兆以进行全面诊断,保证水电机组故障诊断的可靠性。本文针对水电机组振动故障诊断及其工程应用中的若干关键科学问题,以水电机组振动故障的多元征兆提取为切入点,引入先进信号分析与图像处理方法,深入探究其理论基础及工程应用背景,并结合水电机组故障特点进行改进,提高故障征兆辨识的有效性,同时针对不同征兆所得诊断结果可能存在的局部决策冲突问题,综合运用特征联合与决策融合的方法对多元征兆信息进行融合,形成基于多元征兆提取的融合智能故障诊断体系并应用于水电机组的振动故障诊断之中。论文的主要研究内容及创新性成果如下：(1)深入研究了经验模态分解(EMD)中的模态混迭问题,并针对此问题提出了一种多重微分经验模态分解方法,运用微分运算增强高频分量的特性来改善频率混迭问题。该方法首先对原始信号及其各阶微分信号进行EMD分解,形成本征模态函数矩阵,然后求取各阶微分信号的能量分布,联合获得能量特征矩阵,并以此作为故障征兆完成故障的识别与诊断。通过仿真及实验验证,该方法能够一定程度上改善频率混迭现象,对水电机组故障诊断精度的提高具有一定的促进作用。(2)针对轴心轨迹识别过程中,其形状特征难以有效获取的问题,提出了基于统计模糊矢量链码的轴心轨迹自动识别方法。首先引入模糊矢量依据轴心轨迹内角信息对轴心轨迹的边界进行编码,继而运用统计模糊矢量链码提取轴心轨迹的形状特征,最后,以此为依据,采用支持向量机对轴心轨迹进行分类,完成其自动识别。与传统特征提取方法的对比试验结果表明,统计模糊矢量链码具有计算简单、可分性高的优点,能够有效的提取轴心轨迹的形状特征,进而更加准确的识别出轴心轨迹类型,有助于水电机组故障自动诊断的实现。(3)分析了当前水电机组故障诊断中振动与其他状态参量相关性特征提取方法的缺点,引入了运用关系曲线形状来表征振动相关性特征的思想；以振动转速关系为例,研究了水电机组振动随转速变化的趋势,针对振动转速关系曲线的非闭合性、函数性等诸多特点,对统计模糊矢量链码进行相应改进,按照转速递增的顺序,依次对曲线上各点进行编码,实现二维点划分下的非闭合曲线编码,最后利用链码的统计特征表征曲线的形状,使其具有平移、缩放不变性。并以此作为曲线形状特征,完成振动转速关系曲线的自动识别。通过仿真试验证明了该方法的有效性,同时将该方法应用于二滩水电厂3号机组的振动问题分析中,验证了方法的工程实用价值。(4)围绕水电机组故障诊断实际应用中,先验经验缺乏,准确、完备训练样本难以获取的问题,深入研究了无监督学习模式识别方法,将模糊核聚类应用于机组故障的识别中。针对其核参数选择与最优聚类中心获取的主要难题,提出了一种仿电磁蜂群加权模糊核聚类算法：给每个样本特征设置权重,表征其贡献度的大小；将聚类中心、核参数以及征兆权重同时作为聚类模型的优化变量,实现其同步寻优；以核Xie-Beni指标作为聚类模型的目标函数,获取最佳聚类效果；将人工蜂群算法和仿电磁学算法有机结合,综合利用两种进化策略,进行模型求解,准确高效的完成聚类。通过在水电机组振动故障诊断中的应用,对该方法的工程实用性进行了验证。(5)针对多元征兆故障诊断中可能存在的局部决策冲突问题,提出了一种基于投影D-S证据理论的混合决策融合诊断策略。对识别框架相同的征兆进行特征联合,统一识别；通过投影将不同框架下的诊断结果映射到包含所有识别框架的融合框架中,在融合框架上完成诊断结果决策层的融合。以所提诊断策略为核心建立了水电机组故障诊断专家系统,并成功的应用于松江河水电厂的故障诊断系统中,验证了该方法的有效性和实用性。(本文来源于《华中科技大学》期刊2014-06-01）
刘岩,李西兵,王金东,郭建华[3]（2013）在《往复式泥浆泵故障征兆提取的多参量分析》一文中研究指出在采用G_P算法识别往复机械故障征兆过程中,嵌入维数、降噪方法、延迟时间等参数对算法的影响至关重要。通过仿真分析单变量算法的弊端,提出基于经验模态分解(EMD)与伪相图技术结合的多变量融合算法,采用归一化的小波降噪技术,将此法应用在矿用泥浆泵故障征兆提取中,诊断效果较好。(本文来源于《机床与液压》期刊2013年23期）
张梦禾,陈喜阳,张润时[4]（2012）在《叁峡左岸6号机组振动分析及量化征兆提取策略》一文中研究指出叁峡左岸6号机组在水位上升试验中出现5～6 Hz和1 Hz特殊频率振动。采用连续小波变换对水电机组振动信号展开深入分析,获取信号的小波系数灰度图,并将其灰度矩作为征兆描述机组振动状态,实例计算表明连续小波变换系数图灰度矩可作为一种有效的水电机组振动征兆提取策略,为缓解水电机组振动故障分析领域征兆特征量相对贫乏的局面引入了一种新的征兆量提取策略。(本文来源于《水力发电》期刊2012年04期）
陈喜阳,王善永,孙建平,张克危,郑莉媛[5]（2007）在《基于CWT灰度矩的水电机组振动征兆提取》一文中研究指出连续小波变换(CWT)能有效地对水电机组非平稳信号进行细化分析,经过CWT后,蕴涵的状态信息能够在尺度域很好地体现出来,通过小波系数图像素的亮度可分析各个频率成分所占能量比例,引入的灰度矩可体现系数图特征,实例计算验证了灰度矩可作为一个蕴涵机组振动特征的征兆量,可定量地对机组振动情况进行评价,为水电机组分析诊断提供了一种新的征兆量。(本文来源于《电力系统自动化》期刊2007年09期）
王庆,巴德纯,孟祥志[6]（2006）在《基于Rough Sets-C4.5的故障征兆提取与判别》一文中研究指出针对原始信息系统往往存在大量重复样本和冗余属性,从而影响实际故障诊断的精度和速度这一问题,介绍了一种基于粗糙集和决策树C4.5算法相融合的故障诊断模型,用于设备的精确和快速故障诊断.利用粗糙集具有较强的处理不确定和不完备信息的能力,对原始样本集进行离散化及约简处理;同时,利用决策树C4.5算法对约简后的决策表进行快速学习并形成树状故障分类器.以实例介绍了利用该模型进行故障诊断的完整过程.(本文来源于《东北大学学报》期刊2006年10期）
张梅军,陈江海[7]（2006）在《柴油机整循环振动征兆提取与气密性故障识别》一文中研究指出为了检测内燃机气阀漏气的气密性故障,利用小波包分解改进算法,通过对柴油机完整工作循环内的缸盖振动信号进行小波包分解,从小波包分解系数中提取柴油机振动诊断的整循环征兆(本文来源于《矿山机械》期刊2006年01期）
张梅军,陈江海[8]（2005）在《基于小波包分解的整循环征兆提取与故障识别》一文中研究指出为了检测内燃机气阀漏气的气密性故障,利用小波包分解改进算法,通过对柴油机完整工作循环内的缸盖振动信号进行小波包分解,从小波包分解系数中提取柴油机振动诊断的整循环征兆。由整循环特征向量图表明,正常状态时柴油机气缸盖振动信号中低频部分能量相对较大,高频部分能量相对较小;漏气状况时振动信号中的低频部分能量减小,而高频部分能量增加,由此实现了故障的识别。这说明基于小波包分解的整循环征兆提取与故障识别方法有效、可行。(本文来源于《解放军理工大学学报(自然科学版)》期刊2005年05期）
付强,刘胜利,苏宝库[9]（2005）在《一种基于小波变换的信号突变征兆提取方法及其应用》一文中研究指出获取故障征兆是诊断系统必须解决的首要问题。应用小波变换理论提出了一种信号突变征兆提取方法,并将它应用于转台故障诊断中。实验结果表明,这种方法在信号突变征兆提取上具有明显效果。(本文来源于《中国惯性技术学报》期刊2005年01期）
王立国,韩光信,张云晶,孟亚男[10]（2004）在《多分辨分析在信号突变征兆提取中的应用》一文中研究指出介绍了针对幅值突变信号及一阶微分有突变的信号利用多分辨分析进行突变征兆提取的理论及方法,并给出了仿真实例.仿真结果表明,应用多分辨分析能较好地对信号的突变进行提取.(本文来源于《吉林化工学院学报》期刊2004年01期）
征兆提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国能源结构的不断优化调整,电网规模逐步扩大,水电能源比重日趋增大,所担负的调峰调频任务也愈加艰巨,这对水电能源生产核心设备——水电机组运行的安全稳定性提出了更加严格的要求。伴随着水电机组巨型化、复杂化的发展,机组故障发生、演化过程中水机电等多种因素的耦合作用越发突显,故障与征兆间的映射关系极为复杂,传统的基于单一类型征兆模式识别的故障诊断方法已经很难满足机组故障诊断可靠性的要求,迫切需要综合提取水电机组故障多元征兆以进行全面诊断,保证水电机组故障诊断的可靠性。本文针对水电机组振动故障诊断及其工程应用中的若干关键科学问题,以水电机组振动故障的多元征兆提取为切入点,引入先进信号分析与图像处理方法,深入探究其理论基础及工程应用背景,并结合水电机组故障特点进行改进,提高故障征兆辨识的有效性,同时针对不同征兆所得诊断结果可能存在的局部决策冲突问题,综合运用特征联合与决策融合的方法对多元征兆信息进行融合,形成基于多元征兆提取的融合智能故障诊断体系并应用于水电机组的振动故障诊断之中。论文的主要研究内容及创新性成果如下：(1)深入研究了经验模态分解(EMD)中的模态混迭问题,并针对此问题提出了一种多重微分经验模态分解方法,运用微分运算增强高频分量的特性来改善频率混迭问题。该方法首先对原始信号及其各阶微分信号进行EMD分解,形成本征模态函数矩阵,然后求取各阶微分信号的能量分布,联合获得能量特征矩阵,并以此作为故障征兆完成故障的识别与诊断。通过仿真及实验验证,该方法能够一定程度上改善频率混迭现象,对水电机组故障诊断精度的提高具有一定的促进作用。(2)针对轴心轨迹识别过程中,其形状特征难以有效获取的问题,提出了基于统计模糊矢量链码的轴心轨迹自动识别方法。首先引入模糊矢量依据轴心轨迹内角信息对轴心轨迹的边界进行编码,继而运用统计模糊矢量链码提取轴心轨迹的形状特征,最后,以此为依据,采用支持向量机对轴心轨迹进行分类,完成其自动识别。与传统特征提取方法的对比试验结果表明,统计模糊矢量链码具有计算简单、可分性高的优点,能够有效的提取轴心轨迹的形状特征,进而更加准确的识别出轴心轨迹类型,有助于水电机组故障自动诊断的实现。(3)分析了当前水电机组故障诊断中振动与其他状态参量相关性特征提取方法的缺点,引入了运用关系曲线形状来表征振动相关性特征的思想；以振动转速关系为例,研究了水电机组振动随转速变化的趋势,针对振动转速关系曲线的非闭合性、函数性等诸多特点,对统计模糊矢量链码进行相应改进,按照转速递增的顺序,依次对曲线上各点进行编码,实现二维点划分下的非闭合曲线编码,最后利用链码的统计特征表征曲线的形状,使其具有平移、缩放不变性。并以此作为曲线形状特征,完成振动转速关系曲线的自动识别。通过仿真试验证明了该方法的有效性,同时将该方法应用于二滩水电厂3号机组的振动问题分析中,验证了方法的工程实用价值。(4)围绕水电机组故障诊断实际应用中,先验经验缺乏,准确、完备训练样本难以获取的问题,深入研究了无监督学习模式识别方法,将模糊核聚类应用于机组故障的识别中。针对其核参数选择与最优聚类中心获取的主要难题,提出了一种仿电磁蜂群加权模糊核聚类算法：给每个样本特征设置权重,表征其贡献度的大小；将聚类中心、核参数以及征兆权重同时作为聚类模型的优化变量,实现其同步寻优；以核Xie-Beni指标作为聚类模型的目标函数,获取最佳聚类效果；将人工蜂群算法和仿电磁学算法有机结合,综合利用两种进化策略,进行模型求解,准确高效的完成聚类。通过在水电机组振动故障诊断中的应用,对该方法的工程实用性进行了验证。(5)针对多元征兆故障诊断中可能存在的局部决策冲突问题,提出了一种基于投影D-S证据理论的混合决策融合诊断策略。对识别框架相同的征兆进行特征联合,统一识别；通过投影将不同框架下的诊断结果映射到包含所有识别框架的融合框架中,在融合框架上完成诊断结果决策层的融合。以所提诊断策略为核心建立了水电机组故障诊断专家系统,并成功的应用于松江河水电厂的故障诊断系统中,验证了该方法的有效性和实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
征兆提取论文参考文献
[1].陈喜阳,陶迎,闫海桥,张克危.基于加窗的CWT灰度矩提取水电机组非平稳征兆[J].水力发电学报.2015
[2].肖汉.水电机组智能故障诊断的多元征兆提取方法[D].华中科技大学.2014
[3].刘岩,李西兵,王金东,郭建华.往复式泥浆泵故障征兆提取的多参量分析[J].机床与液压.2013
[4].张梦禾,陈喜阳,张润时.叁峡左岸6号机组振动分析及量化征兆提取策略[J].水力发电.2012
[5].陈喜阳,王善永,孙建平,张克危,郑莉媛.基于CWT灰度矩的水电机组振动征兆提取[J].电力系统自动化.2007
[6].王庆,巴德纯,孟祥志.基于RoughSets-C4.5的故障征兆提取与判别[J].东北大学学报.2006
[7].张梅军,陈江海.柴油机整循环振动征兆提取与气密性故障识别[J].矿山机械.2006
[8].张梅军,陈江海.基于小波包分解的整循环征兆提取与故障识别[J].解放军理工大学学报(自然科学版).2005
[9].付强,刘胜利,苏宝库.一种基于小波变换的信号突变征兆提取方法及其应用[J].中国惯性技术学报.2005
[10].王立国,韩光信,张云晶,孟亚男.多分辨分析在信号突变征兆提取中的应用[J].吉林化工学院学报.2004
论文知识图
