基于动力学仿真和迁移学习的滚动轴承故障诊断方法研究

发布时间：2024-06-29 23:45

　　滚动轴承是旋转机械中最重要的部件之一。滚动轴承发生故障会影响机械设备的正常运转,严重时会引起设备的失效,造成巨大的时间损失、财产损失甚至人员伤亡。为了提高机械设备的安全性和可靠性,研究滚动轴承的故障诊断技术十分必要。近年来,随着人工智能技术的蓬勃发展,滚动轴承的智能诊断技术受到广泛关注。许多智能诊断方法在实验室验证时,在利用特定设备的大量历史数据的前提下获得了很好的诊断效果。然而,在实际工程中,很难事先获取待诊断设备的充足的故障历史数据,在少量可获取的数据上构建诊断模型会造成诊断模型泛化能力的下降。本文针对滚动轴承故障诊断中的小样本问题,结合卷积神经网络,提出基于动力学仿真和迁移学习的智能诊断方法,该方法以从滚动轴承动力学模型获取的仿真数据中迁移诊断知识的方式,帮助实际诊断场景中的轴承诊断任务,为解决小样本条件下的故障诊断问题提供了新的思路。首先,基于动力学建立滚动轴承故障仿真模型,获取不同健康状态下滚动轴承的振动仿真数据。滚动轴承的动力学模型能够从理论上揭示滚动轴承的振动特性,由动力学模型获取的仿真数据与实际数据应具有相似但不同的特征分布,通过滚动轴承动力学模型生成仿真信号是一种获取...

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图2-5凯斯西储大学轴承实验台为了模拟轴承故障，实验中利用电火花的方式向轴承的内滚道及外滚道注入

承动力学仿真模型的验证与分析述滚动轴承仿真模型的合理性，本节将由仿真模中采集的实际振动加速度信号从时域和频域两个验证故障仿真信号是否与实际信号有相似的冲击是否在频谱或包络谱中具有特征频率。学轴承实验实际信号采集自凯斯西储大学（CaseWesternRe实验。实验台如图2-5....

图3一1仿真时域信号不同健康状态下的概率密度分布

由图3-1和图3-2可知，仿真信号和实际信号的概率分布有以下两点共性：（1）仿真信号与实际信号的正常状态下的概率分布相比于故障状态下的概率分布均更平缓，这是由于故障发生后，故障冲击会使得信号概率密度函数峰顶高度增高，而故障冲击是

图3一2实际时域信号不同健康状态下的概率密度分布

由图3-1和图3-2可知，仿真信号和实际信号的概率分布有以下两点共性：（1）仿真信号与实际信号的正常状态下的概率分布相比于故障状态下的概率分布均更平缓，这是由于故障发生后，故障冲击会使得信号概率密度函数峰顶高度增高，而故障冲击是

图3-3相同健康状态下仿真数据和实际数据概率分布对比

图3-3相同健康状态下仿真数据和实际数据概率分布对比3.2.3频率分布的共性及差异性当轴承发生局部故障时，故障产生的冲击激励会激起系统中的高频成分，由于仿真模型对实际系统进行了较大程度的简化，仿真信号中的高频成分与实际系统中的高频成分应有一定差异。本文拟采用卷积神经网络构建....

本文编号：3998067