基于奇异谱和深度信念网络的轴承单一及复合故障诊断

发布时间：2021-11-20 07:32

　　复杂工作环境下,轴承的微弱故障特征在噪声的干扰下很难提取,给诊断带来了困难。此外,当产生位置不同的复合故障时,故障之间相互耦合,给旋转机械故障精确诊断带来了挑战。论文将滚动轴承的振动信号作为研究对象,针对轴承单一故障和复合故障特点,研究了基于奇异谱和深度信念网络的轴承故障诊断方法。首先,研究了混沌空间结构的一种新的度量方式—混沌奇异谱,从数学角度解释奇异谱的特征空间和噪声平台,以及从几何空间角度说明奇异谱是一种基于方差极大化的空间几何结构的描述方式,表明混沌奇异谱能够提取信噪比较低的特征信号,具有较强的抗噪声干扰能力。通过对Lorenz系统和Duffing系统进行数值验证,证明了混沌奇异谱的稳定性和较强的抗噪声性能。通过混沌奇异谱对轴承振动信号进行分析,验证了该方法诊断轴承故障的有效性。然后,针对故障诊断过程中的模式识别问题,研究了深度信念网络（Deep Belief Network,DBN）分类器方法,结合变分模态分解样本熵提取的特征,利用DBN对轴承故障诊断,仿真实验验证了其分类性能在小样本、标签样本较少时中的优越性。针对轴承复合故障的诊断,提出基于奇异谱分解（Singular S... 

【文章来源】：燕山大学河北省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

轴承故障诊断实验平台


本文编号：3506859