基于深度学习的滚动轴承智能故障诊断方法研究
发布时间：2020-12-06 07:27
滚动轴承被广泛应用于各种旋转机械当中,被称为机械的关节,是旋转机械中至关重要的零部件,同时也是最容易发生故障的部件之一。其运行状态是否正常直接影响着人员设备的安全,所以找到一种行之有效的滚动轴承故障诊断方法具有重大的意义。本文主要针对滚动轴承振动信号结构复杂、难以区分的问题,提出了两种新的智能诊断方法,一是基于变分模态分解（Variational Mode Decomposition,VMD）与深度置信网络（Deep Belief Network,DBN）相结合的滚动轴承故障智能诊断方法,二是基于改进S变换与稀疏自动编码器（Sparse Auto-Encoder,SAE）相结合的滚动轴承故障智能诊断方法。并且通过仿真信号与实际信号的诊断实验验证了这两种方法应用于滚动轴承故障诊断的有效性。首先,研究了滚动轴承的基本结构和常见的故障类型,以及滚动轴承外圈、内圈和滚动体的故障频率。随后重点研究了针对滚动轴承振动信号的分析方法,从时域分析、频域分析和时频域分析三个方面对滚动轴承振动信号进行特征提取的方法进行了研究。其次,研究了两种深度学习神经网络模型,分别为稀疏自动编码器和深度置信网络。重点研...
【文章来源】：燕山大学河北省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
西储大学滚动轴承实验平台
燕山大学工程硕士学位论文统各方面功能的详细介绍以及基于 QPZZ-Ⅱ试验平台的滚动轴承号采集采集涉及到硬件与软件两部分。硬件方面本实验用到计算机 1 台箱 1 个、振动采集模块 1 个、加速度传感器 4 个。网机箱选用 NI cDAQ-9188XT，如图 6-1 所示，它非常适合应用于箱共有 8 个模块插槽，可控制 C 系列 I/O 模块与外部主机之间的传输。机箱和根据需求搭配不同的模块，实现模拟 I/O、数字 I/O混合测量。机箱电源电压输入范围为 9-30V，最大功耗 15W，通接实现数据传输。
图 6-2 NI9234 ICP 加速度传感器，它内置电荷放大器，无需联接用方便，且测量精度高，抗干扰性能出色，非常适合如图 6-3 所示，本实验所用传感器型号为 AY100l，灵敏率范围为 0.5-10000Hz。传感器通过导线与采集模块台轴承座表面。其底部带有磁铁，可以通过磁力吸附且具有良好的稳定性。
【参考文献】：
期刊论文
[1]基于变分模态分解与流形学习的滚动轴承故障特征提取方法[J]. 戚晓利,叶绪丹,蔡江林,郑近德,潘紫微,张兴权. 振动与冲击. 2018(23)
[2]基于改进傅里叶变换的滚动轴承故障诊断[J]. 刘鲲鹏,白云川,吕麒鹏,李泽华,郑建波. 内燃机与配件. 2018(19)
[3]基于AE信号与VMD的滚动轴承故障诊断研究[J]. 林江刚,胡正新,李晶,翟怡萌,邓艾东. 燃气轮机技术. 2018(03)
[4]基于VMD滤波和极值点包络阶次的滚动轴承故障诊断[J]. 武英杰,辛红伟,王建国,王晓龙. 振动与冲击. 2018(14)
[5]基于经验模态分解、多尺度熵算法和支持向量机的滚动轴承故障诊断方法[J]. 张文哲,张为民,林文波. 机械制造. 2018(04)
[6]基于CPP与S变换的自适应时频滤波及其在滚动轴承故障诊断中的应用[J]. 陈向民,张亢,晋风华,李录平. 航空动力学报. 2018(01)
[7]基于压缩采集与深度学习的轴承故障诊断方法[J]. 温江涛,闫常弘,孙洁娣,乔艳雷. 仪器仪表学报. 2018(01)
[8]基于深度学习的滚动轴承故障诊断研究综述[J]. 张雪英,栾忠权,刘秀丽. 设备管理与维修. 2017(18)
[9]一种基于改进堆栈自动编码器的航空发电机旋转整流器故障特征提取方法[J]. 崔江,唐军祥,龚春英,张卓然. 中国电机工程学报. 2017(19)
[10]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
博士论文
[1]特征降维与自适应特征提取方法及其在行星齿轮箱故障诊断中的应用研究[D]. 赵川.北京科技大学 2018
[2]旋转机械轴承振动信号分析方法研究[D]. 彭畅.重庆大学 2014
[3]滚动轴承振动信号特征提取及诊断方法研究[D]. 朱可恒.大连理工大学 2013
[4]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
本文编号：2900970
【文章来源】：燕山大学河北省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
西储大学滚动轴承实验平台
燕山大学工程硕士学位论文统各方面功能的详细介绍以及基于 QPZZ-Ⅱ试验平台的滚动轴承号采集采集涉及到硬件与软件两部分。硬件方面本实验用到计算机 1 台箱 1 个、振动采集模块 1 个、加速度传感器 4 个。网机箱选用 NI cDAQ-9188XT，如图 6-1 所示，它非常适合应用于箱共有 8 个模块插槽，可控制 C 系列 I/O 模块与外部主机之间的传输。机箱和根据需求搭配不同的模块，实现模拟 I/O、数字 I/O混合测量。机箱电源电压输入范围为 9-30V，最大功耗 15W，通接实现数据传输。
图 6-2 NI9234 ICP 加速度传感器，它内置电荷放大器，无需联接用方便，且测量精度高，抗干扰性能出色，非常适合如图 6-3 所示，本实验所用传感器型号为 AY100l，灵敏率范围为 0.5-10000Hz。传感器通过导线与采集模块台轴承座表面。其底部带有磁铁，可以通过磁力吸附且具有良好的稳定性。
【参考文献】：
期刊论文
[1]基于变分模态分解与流形学习的滚动轴承故障特征提取方法[J]. 戚晓利,叶绪丹,蔡江林,郑近德,潘紫微,张兴权. 振动与冲击. 2018(23)
[2]基于改进傅里叶变换的滚动轴承故障诊断[J]. 刘鲲鹏,白云川,吕麒鹏,李泽华,郑建波. 内燃机与配件. 2018(19)
[3]基于AE信号与VMD的滚动轴承故障诊断研究[J]. 林江刚,胡正新,李晶,翟怡萌,邓艾东. 燃气轮机技术. 2018(03)
[4]基于VMD滤波和极值点包络阶次的滚动轴承故障诊断[J]. 武英杰,辛红伟,王建国,王晓龙. 振动与冲击. 2018(14)
[5]基于经验模态分解、多尺度熵算法和支持向量机的滚动轴承故障诊断方法[J]. 张文哲,张为民,林文波. 机械制造. 2018(04)
[6]基于CPP与S变换的自适应时频滤波及其在滚动轴承故障诊断中的应用[J]. 陈向民,张亢,晋风华,李录平. 航空动力学报. 2018(01)
[7]基于压缩采集与深度学习的轴承故障诊断方法[J]. 温江涛,闫常弘,孙洁娣,乔艳雷. 仪器仪表学报. 2018(01)
[8]基于深度学习的滚动轴承故障诊断研究综述[J]. 张雪英,栾忠权,刘秀丽. 设备管理与维修. 2017(18)
[9]一种基于改进堆栈自动编码器的航空发电机旋转整流器故障特征提取方法[J]. 崔江,唐军祥,龚春英,张卓然. 中国电机工程学报. 2017(19)
[10]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
博士论文
[1]特征降维与自适应特征提取方法及其在行星齿轮箱故障诊断中的应用研究[D]. 赵川.北京科技大学 2018
[2]旋转机械轴承振动信号分析方法研究[D]. 彭畅.重庆大学 2014
[3]滚动轴承振动信号特征提取及诊断方法研究[D]. 朱可恒.大连理工大学 2013
[4]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
本文编号：2900970
本文链接：https://www.wllwen.com/jixiegongchenglunwen/2900970.html
