基于深度自编码器的机械故障诊断方法研究
发布时间：2022-01-07 11:16
故障诊断是提高机械使用可靠性、保障设备长周期稳定运行、减少因故障停机带来经济损失的一类重要技术。传统的故障诊断方法借助专家知识从信号中人工提取特征,但由于信号的非稳态、非线性、非高斯等特点,这一过程需进行大量的分析和对比,费时费力,因此如何高效地提取有区分度的特征并准确识别成为本领域的研究热点和难点。为实现特征的自动提取和识别,本文将深度学习中的深度自编码器（Deep Auto-encoder,DAE）方法引入该问题。面向样本充足的情况,提出了一种基于DAE的故障诊断方法。接着,考虑信号噪声和小样本两个影响因素,分别对DAE进行改进,研究了针对噪声信号和小样本的故障诊断方法。在此基础上,综合考虑两个因素,研究了小样本条件下噪声信号的故障诊断方法。主要内容如下:面向样本充足的情况,提出了一种稀疏DAE（Sparse DAE,SDAE）的故障诊断方法。针对SDAE会提取相似特征的问题,设计了一种Subset方法,帮助SDAE从不同故障模式的样本中提取有区分度的特征。此外,针对Subset-SDAE需手动调参的问题,提出了基于粒子群算法的参数优化框架,以自动获取最优的参数配置。在2个工程案例...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：142 页
【学位级别】：博士
【部分图文】：
(a)风力发电机;(b)风力发电机结构示意
参数通常是手动设置。调参过程依赖经验知识、费时费力，一旦参数设置不佳导致算法效果不好，甚至无效。而且，训练样本通常为高维的海量数据，单次训练时间长，手动调参效率低。针对上述问题，本章提出了如下解决思路：针对相似样本易误分问题，提出了一种新的 Subset 技术，用于提取有区分的特征。针对特征自动提取问题，提出了一种 Subset-SDAE 模型，用于从高维数据中自动提取故障特征。针对调参问题，提出了一种基于 PSO 算法的优化框架，优化 Subset-SDAE 的结构和参数。3.2. 基于 K 均值的相似度量化方法及 Subset 分配方法Subset的思想起源于Duong[117]提出的层次模型，并由Bai等[116]进一步研究。图 3.1 给出了 Bai 等用于物体识别的 Subset 技术，其核心思想是通过直观地观察，将相似的物体分开，并采用多个模型对每个 Subset 分别学习特征。不同于图片，故障诊断是将传感器信号作为信息的载体，由于高采样频率、环境干扰、信号非稳态、非线性等因素，信号的相似性难以直观判断。因此本节提出了一种针对传感器信号的相似度量化方法，及 Subset 分配方法。
图 3.7 Subset-SDA3.6. 工程案例验证为验证所提方法的有效性，在电机机轴承数据采集于实验室的仿真平台，自3.6.1. 电机轴承案例验证3.6.1.1. 案例介绍电机轴承数据来源于 CWRU(Case为实验仿真平台，包括 2 马力的电机、置。测试轴承为 SKF 公司制造的深沟球磁性底座安放在电机壳体上获取振动信为 7mils，14mils，21mils，28mils 的外
【参考文献】：
期刊论文
[1]基于短时傅里叶变换及其谱峭度的电能质量混合扰动分类[J]. 黄建明,瞿合祚,李晓明. 电网技术. 2016(10)
[2]经验模态分解在滚动轴承故障诊断中的应用与扩展[J]. 张旭,李超强,杨柳,王玉良,钞仲凯. 轴承. 2016(06)
[3]基于多元经验模态分解的旋转机械早期故障诊断方法[J]. 武哲,杨绍普,刘永强. 仪器仪表学报. 2016(02)
[4]基于温度数据相关分析的DPF故障诊断策略[J]. 姚广涛,伍恒,张卫锋,郭子荣,资新运. 内燃机工程. 2016(03)
[5]基于短时傅里叶变换的风机叶片裂纹损伤检测[J]. 乌建中,陶益. 中国工程机械学报. 2014(02)
[6]旋转机械故障诊断理论与实现[J]. 罗仁泽,曹鹏,代云中,付元华,赵发定,皇雅斌,杨青. 仪表技术与传感器. 2014(03)
[7]基于模型诊断和专家系统的牵引变压器故障诊断研究[J]. 高松,刘志刚,徐建芳,何士玉,高仕斌. 铁道学报. 2013(07)
[8]基于故障树的汽车起重机液压故障诊断专家系统[J]. 罗天洪,杨彩霞,孙冬梅. 机械科学与技术. 2013(04)
[9]基于图论模型的故障诊断方法研究进展综述[J]. 刘鹏鹏,左洪福,苏艳,孙见忠. 中国机械工程. 2013(05)
[10]行星齿轮箱故障诊断的扭转振动信号分析方法[J]. 冯志鹏,褚福磊. 中国电机工程学报. 2013(14)
博士论文
[1]信号的稀疏表达在滚动轴承故障特征提取及智能诊断中的应用研究[D]. 甘萌.中国科学技术大学 2017
[2]旋转机械故障诊断与预测方法及其应用研究[D]. 武哲.北京交通大学 2016
[3]基于无监督学习的风电机组传动链智能故障诊断方法研究[D]. 李状.华北电力大学(北京) 2016
[4]EMD算法研究及其在信号去噪中的应用[D]. 王婷.哈尔滨工程大学 2010
本文编号：3574440
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：142 页
【学位级别】：博士
【部分图文】：
(a)风力发电机;(b)风力发电机结构示意
参数通常是手动设置。调参过程依赖经验知识、费时费力，一旦参数设置不佳导致算法效果不好，甚至无效。而且，训练样本通常为高维的海量数据，单次训练时间长，手动调参效率低。针对上述问题，本章提出了如下解决思路：针对相似样本易误分问题，提出了一种新的 Subset 技术，用于提取有区分的特征。针对特征自动提取问题，提出了一种 Subset-SDAE 模型，用于从高维数据中自动提取故障特征。针对调参问题，提出了一种基于 PSO 算法的优化框架，优化 Subset-SDAE 的结构和参数。3.2. 基于 K 均值的相似度量化方法及 Subset 分配方法Subset的思想起源于Duong[117]提出的层次模型，并由Bai等[116]进一步研究。图 3.1 给出了 Bai 等用于物体识别的 Subset 技术，其核心思想是通过直观地观察，将相似的物体分开，并采用多个模型对每个 Subset 分别学习特征。不同于图片，故障诊断是将传感器信号作为信息的载体，由于高采样频率、环境干扰、信号非稳态、非线性等因素，信号的相似性难以直观判断。因此本节提出了一种针对传感器信号的相似度量化方法，及 Subset 分配方法。
图 3.7 Subset-SDA3.6. 工程案例验证为验证所提方法的有效性，在电机机轴承数据采集于实验室的仿真平台，自3.6.1. 电机轴承案例验证3.6.1.1. 案例介绍电机轴承数据来源于 CWRU(Case为实验仿真平台，包括 2 马力的电机、置。测试轴承为 SKF 公司制造的深沟球磁性底座安放在电机壳体上获取振动信为 7mils，14mils，21mils，28mils 的外
【参考文献】：
期刊论文
[1]基于短时傅里叶变换及其谱峭度的电能质量混合扰动分类[J]. 黄建明,瞿合祚,李晓明. 电网技术. 2016(10)
[2]经验模态分解在滚动轴承故障诊断中的应用与扩展[J]. 张旭,李超强,杨柳,王玉良,钞仲凯. 轴承. 2016(06)
[3]基于多元经验模态分解的旋转机械早期故障诊断方法[J]. 武哲,杨绍普,刘永强. 仪器仪表学报. 2016(02)
[4]基于温度数据相关分析的DPF故障诊断策略[J]. 姚广涛,伍恒,张卫锋,郭子荣,资新运. 内燃机工程. 2016(03)
[5]基于短时傅里叶变换的风机叶片裂纹损伤检测[J]. 乌建中,陶益. 中国工程机械学报. 2014(02)
[6]旋转机械故障诊断理论与实现[J]. 罗仁泽,曹鹏,代云中,付元华,赵发定,皇雅斌,杨青. 仪表技术与传感器. 2014(03)
[7]基于模型诊断和专家系统的牵引变压器故障诊断研究[J]. 高松,刘志刚,徐建芳,何士玉,高仕斌. 铁道学报. 2013(07)
[8]基于故障树的汽车起重机液压故障诊断专家系统[J]. 罗天洪,杨彩霞,孙冬梅. 机械科学与技术. 2013(04)
[9]基于图论模型的故障诊断方法研究进展综述[J]. 刘鹏鹏,左洪福,苏艳,孙见忠. 中国机械工程. 2013(05)
[10]行星齿轮箱故障诊断的扭转振动信号分析方法[J]. 冯志鹏,褚福磊. 中国电机工程学报. 2013(14)
博士论文
[1]信号的稀疏表达在滚动轴承故障特征提取及智能诊断中的应用研究[D]. 甘萌.中国科学技术大学 2017
[2]旋转机械故障诊断与预测方法及其应用研究[D]. 武哲.北京交通大学 2016
[3]基于无监督学习的风电机组传动链智能故障诊断方法研究[D]. 李状.华北电力大学(北京) 2016
[4]EMD算法研究及其在信号去噪中的应用[D]. 王婷.哈尔滨工程大学 2010
本文编号：3574440
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3574440.html
