转子故障数据CRFS分类方法研究与测试系统开发的中期报告.docx

转子故障数据CRFS分类方法研究与测试系统开发的中期报告
一、项目背景
转子是旋转电机中最重要的部件之一，如果转子发生故障，将会导致电机模态变化，同时也会导致电机噪声、振动等方面的问题，影响电机的工作效率和寿命。因此，对转子故障进行分类和诊断是现代电机工程领域研究的热点之一。为了实现对旋转机械系统中转子故障的在线或者离线监测，需要设计一种高效、可靠的转子故障分类方法，并开发相应的测试系统。
二、项目目标
本项目旨在研究一种高效、可靠的转子故障分类方法，并开发相应的测试系统，以实现对转子故障的在线或离线监测。该测试系统可以提供对转子故障数据的预处理、特征提取、特征选择、分类器设计等功能，同时可以展示分类结果和分类器性能评估。
三、项目进展
1.转子故障数据集的准备：我们从实验室现有的转子故障数据集中，挑选了不同类型、不同故障程度、不同工况下的数据进行实验。目前已经获得了包括振动、频率谱、功率谱、时域信号等多种转子故障数据，覆盖了转子裂纹、转子不平衡、转子松动等多种故障类型。
2.转子故障数据预处理：我们对原始的转子故障数据进行了预处理，包括滤波、降噪、降采样等操作，以减小数据处理的难度和提高分类器的性能。
3.特征提取：我们对预处理后的转子故障数据进行了特征提取，提取了包括小波变换系数、功率谱密度、频率谱等多种特征。
4.特征选择：我们使用了多种特征选择方法，包括t-SNE、PCA等方法，以选择最优的特征集。
5.分类器设计：我们使用了多种分类器进行实验，包括SVM、KNN、决策树等。
6.测试系统开发：我们开发了一套测试系统，可以实现对转子故障数据的预处理、特征提取、特征选择、分类器设计等功能，同时可以展示分类结果和分类器性能评估。
四、下一步工作
1.进一步完善测试系统的功能，包括改进用户交互界面，提高算法运行效率等方面。
2.进一步评估和比较不同分类器的性能，以选择最优的分类器。
3.实现对实时转子故障数据的监测和诊断，以提高转子故障诊断的实时性和准确性。
4.实现对多种转子故障的自动分类和诊断，以满足现代电机工程领域对转子故障自动化识别的需要。