基于深度學(xué)習(xí)的滾動軸承智能故障診斷方法研究
發(fā)布時間：2020-12-06 07:27
滾動軸承被廣泛應(yīng)用于各種旋轉(zhuǎn)機械當(dāng)中,被稱為機械的關(guān)節(jié),是旋轉(zhuǎn)機械中至關(guān)重要的零部件,同時也是最容易發(fā)生故障的部件之一。其運行狀態(tài)是否正常直接影響著人員設(shè)備的安全,所以找到一種行之有效的滾動軸承故障診斷方法具有重大的意義。本文主要針對滾動軸承振動信號結(jié)構(gòu)復(fù)雜、難以區(qū)分的問題,提出了兩種新的智能診斷方法,一是基于變分模態(tài)分解（Variational Mode Decomposition,VMD）與深度置信網(wǎng)絡(luò)（Deep Belief Network,DBN）相結(jié)合的滾動軸承故障智能診斷方法,二是基于改進S變換與稀疏自動編碼器（Sparse Auto-Encoder,SAE）相結(jié)合的滾動軸承故障智能診斷方法。并且通過仿真信號與實際信號的診斷實驗驗證了這兩種方法應(yīng)用于滾動軸承故障診斷的有效性。首先,研究了滾動軸承的基本結(jié)構(gòu)和常見的故障類型,以及滾動軸承外圈、內(nèi)圈和滾動體的故障頻率。隨后重點研究了針對滾動軸承振動信號的分析方法,從時域分析、頻域分析和時頻域分析三個方面對滾動軸承振動信號進行特征提取的方法進行了研究。其次,研究了兩種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型,分別為稀疏自動編碼器和深度置信網(wǎng)絡(luò)。重點研...
【文章來源】：燕山大學(xué)河北省
【文章頁數(shù)】：85 頁
【學(xué)位級別】：碩士
【部分圖文】：
西儲大學(xué)滾動軸承實驗平臺
燕山大學(xué)工程碩士學(xué)位論文統(tǒng)各方面功能的詳細(xì)介紹以及基于 QPZZ-Ⅱ試驗平臺的滾動軸承號采集采集涉及到硬件與軟件兩部分。硬件方面本實驗用到計算機 1 臺箱 1 個、振動采集模塊 1 個、加速度傳感器 4 個。網(wǎng)機箱選用 NI cDAQ-9188XT，如圖 6-1 所示，它非常適合應(yīng)用于箱共有 8 個模塊插槽，可控制 C 系列 I/O 模塊與外部主機之間的傳輸。機箱和根據(jù)需求搭配不同的模塊，實現(xiàn)模擬 I/O、數(shù)字 I/O混合測量。機箱電源電壓輸入范圍為 9-30V，最大功耗 15W，通接實現(xiàn)數(shù)據(jù)傳輸。
圖 6-2 NI9234 ICP 加速度傳感器，它內(nèi)置電荷放大器，無需聯(lián)接用方便，且測量精度高，抗干擾性能出色，非常適合如圖 6-3 所示，本實驗所用傳感器型號為 AY100l，靈敏率范圍為 0.5-10000Hz。傳感器通過導(dǎo)線與采集模塊臺軸承座表面。其底部帶有磁鐵，可以通過磁力吸附且具有良好的穩(wěn)定性。
【參考文獻】：
期刊論文
[1]基于變分模態(tài)分解與流形學(xué)習(xí)的滾動軸承故障特征提取方法[J]. 戚曉利,葉緒丹,蔡江林,鄭近德,潘紫微,張興權(quán). 振動與沖擊. 2018(23)
[2]基于改進傅里葉變換的滾動軸承故障診斷[J]. 劉鯤鵬,白云川,呂麒鵬,李澤華,鄭建波. 內(nèi)燃機與配件. 2018(19)
[3]基于AE信號與VMD的滾動軸承故障診斷研究[J]. 林江剛,胡正新,李晶,翟怡萌,鄧艾東. 燃?xì)廨啓C技術(shù). 2018(03)
[4]基于VMD濾波和極值點包絡(luò)階次的滾動軸承故障診斷[J]. 武英杰,辛紅偉,王建國,王曉龍. 振動與沖擊. 2018(14)
[5]基于經(jīng)驗?zāi)B(tài)分解、多尺度熵算法和支持向量機的滾動軸承故障診斷方法[J]. 張文哲,張為民,林文波. 機械制造. 2018(04)
[6]基于CPP與S變換的自適應(yīng)時頻濾波及其在滾動軸承故障診斷中的應(yīng)用[J]. 陳向民,張亢,晉風(fēng)華,李錄平. 航空動力學(xué)報. 2018(01)
[7]基于壓縮采集與深度學(xué)習(xí)的軸承故障診斷方法[J]. 溫江濤,閆常弘,孫潔娣,喬艷雷. 儀器儀表學(xué)報. 2018(01)
[8]基于深度學(xué)習(xí)的滾動軸承故障診斷研究綜述[J]. 張雪英,欒忠權(quán),劉秀麗. 設(shè)備管理與維修. 2017(18)
[9]一種基于改進堆棧自動編碼器的航空發(fā)電機旋轉(zhuǎn)整流器故障特征提取方法[J]. 崔江,唐軍祥,龔春英,張卓然. 中國電機工程學(xué)報. 2017(19)
[10]深度學(xué)習(xí)在故障診斷領(lǐng)域中的研究現(xiàn)狀與挑戰(zhàn)[J]. 任浩,屈劍鋒,柴毅,唐秋,葉欣. 控制與決策. 2017(08)
博士論文
[1]特征降維與自適應(yīng)特征提取方法及其在行星齒輪箱故障診斷中的應(yīng)用研究[D]. 趙川.北京科技大學(xué) 2018
[2]旋轉(zhuǎn)機械軸承振動信號分析方法研究[D]. 彭暢.重慶大學(xué) 2014
[3]滾動軸承振動信號特征提取及診斷方法研究[D]. 朱可恒.大連理工大學(xué) 2013
[4]滾動軸承振動信號處理及特征提取方法研究[D]. 蘇文勝.大連理工大學(xué) 2010
本文編號：2900970
【文章來源】：燕山大學(xué)河北省
【文章頁數(shù)】：85 頁
【學(xué)位級別】：碩士
【部分圖文】：
西儲大學(xué)滾動軸承實驗平臺
燕山大學(xué)工程碩士學(xué)位論文統(tǒng)各方面功能的詳細(xì)介紹以及基于 QPZZ-Ⅱ試驗平臺的滾動軸承號采集采集涉及到硬件與軟件兩部分。硬件方面本實驗用到計算機 1 臺箱 1 個、振動采集模塊 1 個、加速度傳感器 4 個。網(wǎng)機箱選用 NI cDAQ-9188XT，如圖 6-1 所示，它非常適合應(yīng)用于箱共有 8 個模塊插槽，可控制 C 系列 I/O 模塊與外部主機之間的傳輸。機箱和根據(jù)需求搭配不同的模塊，實現(xiàn)模擬 I/O、數(shù)字 I/O混合測量。機箱電源電壓輸入范圍為 9-30V，最大功耗 15W，通接實現(xiàn)數(shù)據(jù)傳輸。
圖 6-2 NI9234 ICP 加速度傳感器，它內(nèi)置電荷放大器，無需聯(lián)接用方便，且測量精度高，抗干擾性能出色，非常適合如圖 6-3 所示，本實驗所用傳感器型號為 AY100l，靈敏率范圍為 0.5-10000Hz。傳感器通過導(dǎo)線與采集模塊臺軸承座表面。其底部帶有磁鐵，可以通過磁力吸附且具有良好的穩(wěn)定性。
【參考文獻】：
期刊論文
[1]基于變分模態(tài)分解與流形學(xué)習(xí)的滾動軸承故障特征提取方法[J]. 戚曉利,葉緒丹,蔡江林,鄭近德,潘紫微,張興權(quán). 振動與沖擊. 2018(23)
[2]基于改進傅里葉變換的滾動軸承故障診斷[J]. 劉鯤鵬,白云川,呂麒鵬,李澤華,鄭建波. 內(nèi)燃機與配件. 2018(19)
[3]基于AE信號與VMD的滾動軸承故障診斷研究[J]. 林江剛,胡正新,李晶,翟怡萌,鄧艾東. 燃?xì)廨啓C技術(shù). 2018(03)
[4]基于VMD濾波和極值點包絡(luò)階次的滾動軸承故障診斷[J]. 武英杰,辛紅偉,王建國,王曉龍. 振動與沖擊. 2018(14)
[5]基于經(jīng)驗?zāi)B(tài)分解、多尺度熵算法和支持向量機的滾動軸承故障診斷方法[J]. 張文哲,張為民,林文波. 機械制造. 2018(04)
[6]基于CPP與S變換的自適應(yīng)時頻濾波及其在滾動軸承故障診斷中的應(yīng)用[J]. 陳向民,張亢,晉風(fēng)華,李錄平. 航空動力學(xué)報. 2018(01)
[7]基于壓縮采集與深度學(xué)習(xí)的軸承故障診斷方法[J]. 溫江濤,閆常弘,孫潔娣,喬艷雷. 儀器儀表學(xué)報. 2018(01)
[8]基于深度學(xué)習(xí)的滾動軸承故障診斷研究綜述[J]. 張雪英,欒忠權(quán),劉秀麗. 設(shè)備管理與維修. 2017(18)
[9]一種基于改進堆棧自動編碼器的航空發(fā)電機旋轉(zhuǎn)整流器故障特征提取方法[J]. 崔江,唐軍祥,龔春英,張卓然. 中國電機工程學(xué)報. 2017(19)
[10]深度學(xué)習(xí)在故障診斷領(lǐng)域中的研究現(xiàn)狀與挑戰(zhàn)[J]. 任浩,屈劍鋒,柴毅,唐秋,葉欣. 控制與決策. 2017(08)
博士論文
[1]特征降維與自適應(yīng)特征提取方法及其在行星齒輪箱故障診斷中的應(yīng)用研究[D]. 趙川.北京科技大學(xué) 2018
[2]旋轉(zhuǎn)機械軸承振動信號分析方法研究[D]. 彭暢.重慶大學(xué) 2014
[3]滾動軸承振動信號特征提取及診斷方法研究[D]. 朱可恒.大連理工大學(xué) 2013
[4]滾動軸承振動信號處理及特征提取方法研究[D]. 蘇文勝.大連理工大學(xué) 2010
本文編號：2900970
本文鏈接：http://www.wukwdryxk.cn/jixiegongchenglunwen/2900970.html
最近更新
教材專著
