转子/转轴典型故障的诊断方法及其试验研究

发布时间：2021-11-21 14:52

　　转子/转轴系统作为旋转机械重要的组成部分,在工作过程中因转子/转轴部分出现故障而导致旋转机械设备发生故障的情况屡见不鲜,并且一旦重要机械设备出现故障,所造成的损失会非常严重,因此在转子/转轴系统故障发生之前通过及时检测与诊断是避免或减小损失的重要途径。针对目前旋转机械转子/转轴系统故障诊断方法大多采用传统浅层模型,对于数量较大的样本处理能力有限的问题,提出了一种改进的堆叠降噪自动编码器（SDAE）深度模型的故障诊断方法并对转子/转轴的典型故障进行诊断。首先使用美国凯斯西储大学公布的滚动轴承故障数据对SDAE模型进行了初步验证,然后利用美国SQI公司的机械故障综合模拟试验台模拟了相关的转子/转轴各类故障,并结合LabVIEW编写的数据采集系统采集转子/转轴故障振动信号,最后利用SDAE模型对转子/转轴时域信号以及转子/转轴振动数据的功率谱密度信号进行了故障诊断,在训练SDAE模型时引入Dropout算法,并结合Softmax分类器进行网络训练与诊断。通过与传统BP网络、自动编码器（AE）和同属深度学习算法的卷积神经网络（CNN）进行对比,结果表明,改进的SDAE方法对于转子/转轴故障识别... 

【文章来源】：燕山大学河北省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

所示，试验中通过将磁力制动器与直

【参考文献】：
期刊论文
[1]基于局部自动编码器的手写数字分类[J]. 卢海峰,卫伟,陆慧娟.  小型微型计算机系统. 2018(11)
[2]基于免疫堆叠降噪自编码机网络的运动想象脑电信号识别[J]. 郝矿荣,原博炜,陈磊,丁永生.  控制与决策. 2018(04)
[3]基于堆叠稀疏自编码的滚动轴承故障诊断[J]. 侯荣涛,周子贤,赵晓平,谢阳阳,王丽华.  轴承. 2018(03)
[4]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)
[5]基于信息融合和CS-SVM的变压器绕组变形故障诊断方法研究[J]. 甘锡淞,李云,傅成华,郭辉,杨亭榆.  电力系统保护与控制. 2018(01)
[6]基于深度学习理论的发动机气门机构故障识别[J]. 周亦人,邱小林,郭志强.  制造业自动化. 2017(11)
[7]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)
[8]基于稀疏降噪自编码器的深度置信网络[J]. 曾安,张艺楠,潘丹,Xiao-Wei Song.  计算机应用. 2017(09)
[9]基于深度学习的航空发动机故障融合诊断[J]. 车畅畅,王华伟,倪晓梅,洪骥宇.  北京航空航天大学学报. 2018(03)
[10]基于EMD-HMM的机床刀具磨损故障诊断[J]. 孙巍伟,黄民,高延.  机床与液压. 2017(13)

硕士论文
[1]基于卷积神经网络的变速器故障分类识别研究[D]. 曾雪琼.华南理工大学 2016
[2]基于深度信念网络的变速器故障分类识别研究[D]. 单外平.华南理工大学 2015
[3]基于EEMD的旋转机械故障诊断方法研究[D]. 陈艳娜.哈尔滨理工大学 2013



本文编号：3509714