项目名称: 基于小波理论和多时间尺度建模的旋转部件健康监测研究
项目编号: No.51175080
项目类型: 面上项目
立项/批准年度: 2012
项目学科: 机械、仪表工业
项目作者: 严如强
作者单位: 东南大学
项目金额: 60万元
中文摘要: 故障特征信息作为故障诊断与寿命预测的输入直接与最终结果的准确度相关联,因而有效的故障特征提取是当前健康监测领域一个需要重点研究并解决的核心问题。本课题首先利用信息论开展小波理论中的基小波选择研究,从提高特征提取的准确度出发,定量的给出适用于旋转部件振动信号分析的基小波选择准则。随后深入研究小波理论框架下具有最优判别信息的多尺度小波包分解的特征提取方法。在此基础上综合利用实验模型描述旋转部件的快变时间尺度行为以及物理模型描述旋转部件故障发生与发展过程的慢变时间尺度行为,开展基于多时间尺度建模的旋转部件寿命预测研究。可以预计,本课题所提出的基小波定量化选择准则及特征提取方法的实现不仅有助于提高旋转部件健康监测的质量,亦可推动其它工程领域中信号识别与分类方法的研究。而多尺度时间建模策略的研究,则提供了一种解决旋转部件寿命预测问题的新思路和新方法,在机械系统健康监测领域具有重要的理论和实践意义。
中文关键词: 小波选取;最优小波包分解;退化跟踪;粒子滤波;多时间尺度建模
英文摘要:
英文关键词: Wavelet Selection;Optimal Wavelet Packet Decomposition;Degradation Tracking;Particle Filter;Multi-Time Scale Modeling