基于深度学习的滚动轴承故障诊断方法研究

发布时间：2021-01-16 13:17

　　工业是国家综合国力的重要表现,而机械设备在工业领域中是必不可少的要素。工业领域中机械设备越来越系统化、复杂化和智能化,滚动轴承作为机械设备的重要组成部分,一旦发生故障,将会直接导致机械设备运行失常,甚至威胁到人们的生命和财产安全。因此,对滚动轴承的故障进行研究具有重要的理论意义和应用价值。本文研究了基于深度学习的滚动轴承故障诊断技术,主要的工作如下:首先,对传统故障诊断方法和深度学习方法在机械故障诊断领域中的应用进行分析,并且深入研究了两种典型深度学习方法。针对深度神经网络对原始信号的故障特征提取能力较差的问题,研究了不同的数据切分方法对神经网络故障提取能力的影响,改进了数据切分方法。该方法通过旋转机械的转速和传感器采样频率来计算样本长度和滑动采样间隔长度。通过实验分析,该方法能够显著地提升深度神经网络从时域振动数据中提取故障特征的能力。然后,针对训练数据较少导致深度神经网络泛化能力变差的问题,分析了时域信号的特征,提出一种适用于时域振动数据的数据增强方法。该方法通过对单类别的样本平均切分为两个部分,然后将两个部分的样本重新随机组合成新的样本,达到对该类样本数据增强的目的。通过实验验证... 

【文章来源】：燕山大学河北省

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

滚动轴承的应用随着“互联网+”、“大数据”以及“5G万物互联”时代的到来，科技和产业

池化运算图

第2章深度学习的基本理论-11-图2-4所示，经过最大值池化之后，将会损失75%的特征，从而将数据压缩，且保留权重最大的数据。对于平均池化，同样假设卷积层的输出的特征为4×4，池化层中池化的窗口为2×2，经过平均值池化之后，同样将会损失75%的特征，最终特征为每个感受野的平均值。2.3.3激活函数在池化层之后一般会连接一个激活函数，激活函数的作用是增加网络的非线性表达能力。近年来，激活函数众多，常用的激活函数有sigmoid函数、双曲正切tanh函数和线性整流单元ReLU函数。1()1ijiijjzsigmoidze(2-11)tanh()iijjiijjzziijjzzeezee(2-12)(){0,}iiijjjzMaxz(2-13)式中ijz——第j个卷积核运算得到的第i个输出值；ij——经过激活函数得到的ijz的激活值。图2-5为激活函数曲线图。图2-5a)为sigmoid函数，其中连续实值的输入被转换成0~1区间的输出。但是，当深度神经网络中的梯度进行反向传播迭代后，随着输入值的升高或者减少，函数输出值保持不变，使得梯度为0。图2-5激活函数图像另外，由于sigmoid函数中幂指数的运算较为复杂，神经网络的规模较大，因此需要大量的计算时间。相较之下，tanh函数比sigmoid函数更加实用，其输出区间为


本文编号：2980898