基于卷积神经网络的机械故障诊断域自适应算法研究

发布时间：2020-04-10 21:19

【摘要】：随着装备向自动化、智能化方向发展,为保障机电系统高精度高可靠性运行,健康状态监测与维护已经成为一个重要的研究方向。与此同时,卷积神经网络与深度学习技术,大大推动了数据驱动故障诊断算法的发展。然而,以下问题严重制约了卷积网络的应用:数据标签难以获得、实际工况变化复杂、采集与测试机器存在差异。本文将迁移学习中域自适应理论引入到智能故障诊断算法中,分别针对数据标注、跨工况和跨设备三个层次的适应性问题进行研究。对卷积神经网络理论基础进行介绍,同时将迁移学习与域自适应概念引入故障诊断领域,详细介绍了本文所采用的数据集,并且搭建丝杆故障信号采集平台,用于验证所提出算法的准确率。研究基于物理模型的迁移学习故障诊断算法。本文改进了现有对抗生成网络,向物理模型生成的有标注仿真信号中添加真实采集信号的特征,得到趋于采集信号分布的生成信号,并以此训练分类器进行故障诊断。试验结果表明,提出的算法能够极大程度降低传统对抗生成网络模式坍塌、训练不收敛等问题,并且在生成数据时保持了故障信息,可以使用无标注数据进行故障诊断,验证提出算法的域自适应能力。研究基于胶囊网络的ICN跨工况故障诊断方法。针对现有算法难以适应工况变化的问题,本文使用无池化层的胶囊网络,并添加多路卷积分支结构以提高网络的非线性,提取更加抽象的特征。在轴承和丝杠多个数据集上进行故障诊断实验,验证提出算法在跨工况故障诊断情况下的域自适应能力。研究基于W-距离的特征正则化跨设备故障诊断方法,克服了现有故障诊断算法由于设备差异造成的低准确率问题。在迁移学习领域,W-距离作为一种常用的分布差异度量准则,难以求取精确解,本文提出W-距离在迁移学习情况下的近似简化定理并给出证明。并且本文通过对多个网络公开轴承数据集与自采集轴承、丝杠数据集进行测试,验证了提出算法的在跨设备设备故障诊断情况下的域自适应能力。
【图文】：

图 1-1 数据故障诊断基本步骤但是，基于深度学习数据驱动机械零部件故障诊断算法，大多集中在实验室阶段，基于实验设备上进行数据采集与算法研究。在面向工程实际应用的过程中，其过程中存在许多问题：（1）信号采集环节，有标注数据难以获得[2]。伴随机械系统集成化程度的提高，待检测关键零部件往往位于机械系统内部，，而故障数据的标注

假设联合分布相同时必然会推出 ( ) ( )T SP x P x 的结论，即边缘分布相同。然而对于不同装置，不同机器来说边缘分布相同是一个非常难以确保的条件。然而，在保证P( y | x )相同，两个边缘分布 ( )TP x 、 ( )SP x 不同但已知的情况下进行机器学习任务正是迁移学习中领域自适应学习方法。领域适配归属于迁移学习下的同构迁移学习，迁移学习方法的分类如下图 1-1 所示：
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH17;TP183;TP277

【相似文献】

相关期刊论文 前10条

1 韩麒麟;荆竹;;飞机故障诊断中飞参的数据支持作用研究[J];电子制作;2019年12期

2 王彦梅;李佳民;;农用汽车发动机状态监测系统与诊断方法研究[J];农机化研究;2018年02期

3 王渊明;徐策;侯继超;张禹生;;烟草机械中故障诊断技术的应用[J];南方农机;2018年04期

4 周雪军;;故障诊断技术在烟草机械中的应用和发展趋势[J];科技风;2018年22期

5 陈亚明;颜云;;故障诊断方法现状及发展方向研究[J];电工技术;2018年18期

6 单建虎;;石化转动设备状态监测与故障诊断平台及应用[J];石化技术;2017年10期

7 石志军;陈信在;高金宝;;舰船电子装备电路板的故障诊断策略研究[J];科技与企业;2016年01期

8 谢敏;楼鑫;罗芊;;航天器故障诊断技术综述及发展趋势[J];软件;2016年07期

9 付丽莉;;汽轮机故障诊断技术的发展分析和研究[J];科技创新与应用;2015年08期

10 谢春萍;梁家荣;;星型网络的几种故障诊断度研究[J];广西大学学报(自然科学版);2015年03期

相关会议论文 前10条

1 张利;徐娟;张建军;程龙;赵佛晓;;基于网格的远程协同故障诊断资源管理模型研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

2 商斌梁;张振仁;;基于小波与遗传算法的气阀机构的故障诊断[A];2001年中国智能自动化会议论文集（下册）[C];2001年

3 李娟;;浅谈泵站设备故障诊断问题[A];2009全国大型泵站更新改造研讨暨新技术、新产品交流大会论文集[C];2009年

4 刘波;刘少华;姚国仲;申立中;;冗余电位器加速踏板故障诊断策略研究~[A];内燃机科技（高校篇）——中国内燃机学会第六届青年学术年会论文集[C];2015年

5 张彼德;;汽轮发电机组振动多故障诊断的神经网络方法研究[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

6 魏伟胜;;γ射线故障诊断技术[A];中国化工学会2003年石油化工学术年会论文集[C];2003年

7 李铁军;赵海文;李慨;沈志忠;;基于多智能体的机电系统控制与故障诊断的研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

8 许智灵;;冷藏集装箱故障诊断与处理的探讨[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

9 张乐功;王军;李健蓉;;应用状态监测及故障诊断技术 提高设备管理与维修现代化水平[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

10 闫晓鹏;栗苹;章涛;王永强;;无线电引信故障诊断策略研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅲ）[C];2008年

相关重要报纸文章 前10条

1 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年

2 邢小兵 记者 王瑶;我国首个航天器在轨故障诊断与维修实验室成立[N];解放军报;2014年

3 杨亚洲 邢小兵 记者 齐小英;航天器故障诊断与维修室在西安成立[N];陕西日报;2013年

4 李萍;济钢EAM离线网络点检和故障诊断管理系统开发应用[N];世界金属导报;2007年

5 ;点火系故障诊断[N];华夏时报;2001年

6 李继光;铡草机常见故障诊断及排除[N];云南科技报;2003年

7 何攻 何延青;与Windows 2003亲密接触之常见故障诊断[N];电脑报;2003年

8 ;为企业长远效益的增长助力[N];中国信息化周报;2019年

9 记者冯竞;“ B737飞机故障诊断与维修指导系统”开发成功[N];科技日报;2002年

10 宗樾;空调常见故障诊断[N];中国质量报;2004年

相关博士学位论文 前10条

1 张玉彦;基于深度自编码器的机械故障诊断方法研究[D];华中科技大学;2019年

2 茆志伟;活塞式发动机典型故障诊断及非稳定工况监测评估方法研究[D];北京化工大学;2018年

3 刘颉;基于振动信号分析的旋转机械故障诊断方法研究[D];华中科技大学;2018年

4 杭芹;用于聚变电源的故障诊断算法研究[D];中国科学技术大学;2019年

5 黄杰;基于智能学习的电喷汽车故障诊断与监测评估系统的研究[D];中国农业大学;2018年

6 王奉涛;非平稳信号故障特征提取与智能诊断方法的研究及应用[D];大连理工大学;2003年

7 钱华明;故障诊断与容错技术及其在组合导航系统中的应用研究[D];哈尔滨工程大学;2004年

8 蒋丽英;基于FDA/DPLS方法的流程工业故障诊断研究[D];浙江大学;2005年

9 韩彦岭;面向复杂设备的远程智能诊断技术及其应用研究[D];上海大学;2005年

10 张君;小波分析技术在汽轮机故障诊断中的应用研究[D];华北电力大学（河北）;2005年

相关硕士学位论文 前10条

1 王U

本文编号：2622715