DTCWT-DBN疲劳裂纹声发射信号实验数据分析
发布时间：2022-10-15 15:21
随着我国铁路事业发展的越来越好,高铁更是成为了中国的名片,走向世界。列车在速度和平稳性上面都取得了很大的进展。当然,在不断地追求速度上提升的同时,还更应该考虑安全性的问题。机车车辆运输的安全问题受很多方面的影响,车轴是机车车辆很重要的部件,车轴的大部分失效是由疲劳引起的疲劳裂纹,疲劳裂纹会导致车轴损坏或疲劳断裂,从而导致事故的发生。为了解决列车车轴可能出现的疲劳裂纹检测问题,本文使用的是声发射技术,提出了 DTCWT-DBN疲劳裂纹声发射信号实验数据分析的方法,其研究的关键在于声发射信号特征提取和识别,小波变换在信号提取中取得过许多成功的应用。对双树复小波（DTCWT）、离散小波（DWT）、经验模态分解（EMD）和集合经验模态分解（EEMD）的特性进行比较,最终采用双树复小波对声发射信号进行预处理以反映故障特征信息;同时采用深度信念网络对列车车轴可能存在故障状态问题进行故障状态分类识别,使用主成分分析对深度信念网络各隐藏层进行数据可视化,并将上述特征提取方法和深度信念网络结合起来应用到列车车轴疲劳裂纹的故障诊断中。通过对列车车轴声发射信号进行特征提取及识别结果可知,基于双树复小波和深度...
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 概述
1.2 论文研究背景及意义
1.3 国内外研究现状
1.3.1 声发射技术研究现状
1.3.2 双树复小波在故障检测领域研究现状
1.3.3 深度信念网络在故障检测领域的研究现状
1.3.4 BP神经网络在故障检测领域的研究现状
1.3.5 支持向量机在故障检测领域的研究现状
1.4 课题来源及本文主要研究内容
1.4.1 课题来源
1.4.2 本文的主要研究内容
第二章 理论基础
2.1 引言
2.2 双树复小波相关理论
2.2.1 双树复小波变换
2.2.2 双树复小波滤波器设计
2.3 离散小波相关理论
2.3.1 离散小波DWT的概念
2.3.2 离散小波DWT的原理
2.4 经验模态分解相关理论
2.5 集合经验模态分解相关理论
2.5.1 集合经验模态分解EEMD的概念
2.5.2 集合经验模态分解EEMD原理及算法
2.6 深度信念网络相关理论
2.6.1 受限玻尔兹曼机结构
2.6.2 受限玻尔兹曼机训练算法
2.7 BP神经网络
2.7.1 BP神经网络传播过程
2.7.2 BP神经网络设计原则
2.7.3 BP算法训练过程
2.8 支持向量机
2.8.1 支持向量机的概念
2.8.2 支持向量机的原理
本章小结
第三章 实验数据处理
3.1 引言
3.2 实验数据的处理
3.2.1 双树复小波
3.2.2 离散小波
3.2.3 经验模态分解
3.2.4 集合经验模态分解
本章小结
第四章 分类识别
4.1 基于SVM声发射车轴疲劳裂纹的识别研究
4.1.1 SVM模型的建立
4.1.2 实验结果及分析
4.2 基于BP神经网络声发射车轴疲劳裂纹的识别研究
4.2.1 BP神经网络模型的建立
4.2.2 实验结果及分析
4.3 基于深度信念网络声发射车轴疲劳裂纹的识别研究
4.3.1 DBN网络模型的建立
4.3.2 实验结果及分析
4.3.3 深度信念网络验证分析
4.4 结果对比分析
本章小结
结论与展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于DT-CWT自适应Teager能量谱的轴承早期故障诊断[J]. 任学平,王朝阁,张玉皓,王建国. 振动.测试与诊断. 2017(04)
[2]双树复小波分析在故障诊断中的发展与应用[J]. 杨楠,关佳亮,高立新. 设备管理与维修. 2017(10)
[3]基于双树复小波和深度信念网络的轴承故障诊断[J]. 张淑清,胡永涛,姜安琦,李军锋,宿新爽,姜万录. 中国机械工程. 2017(05)
[4]基于双树复小波和自适应权重和时间因子的粒子群优化支持向量机的轴承故障诊断[J]. 张淑清,胡永涛,姜安琦,吴迪,陆超,姜万录. 中国机械工程. 2017(03)
[5]双树复小波和双谱在轴承故障诊断中的应用[J]. 侯少飞,李彦生,胥永刚,马朝永. 噪声与振动控制. 2016(05)
[6]基于DBN的故障特征提取及诊断方法研究[J]. 赵光权,葛强强,刘小勇,彭喜元. 仪器仪表学报. 2016(09)
[7]基于DT-CWT和MCKD的滚动轴承早期故障诊断方法[J]. 任学平,王朝阁,张玉皓,汪军. 仪表技术与传感器. 2016(05)
[8]基于DT-CWT和奇异能量差分谱的滚动轴承故障诊断研究[J]. 任学平,王朝阁,张玉皓,庞震. 机械设计与制造. 2016(04)
[9]基于双树复小波变换的轴承复合故障诊断研究[J]. 胥永刚,孟志鹏,赵国亮. 仪器仪表学报. 2014(02)
[10]基于双树复小波和奇异差分谱的齿轮故障诊断研究[J]. 胥永刚,孟志鹏,陆明,付胜. 振动与冲击. 2014(01)
博士论文
[1]考虑轮对弹性和旋转走行的高速轮轨系统动力学性能研究[D]. 杨光.北京交通大学 2017
[2]基于自适应振动信号处理的旋转机械故障诊断研究[D]. 张超.西安电子科技大学 2012
[3]电力变压器状态评估及故障诊断方法研究[D]. 郑含博.重庆大学 2012
[4]基于振动信号的机械故障特征提取与诊断研究[D]. 赵志宏.北京交通大学 2012
[5]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
[6]基于EMD的机械振动分析与诊断方法研究[D]. 曹冲锋.浙江大学 2009
[7]支持向量机算法及其应用研究[D]. 张国云.湖南大学 2006
[8]基于支持向量机的故障智能诊断方法研究[D]. 翟永杰.华北电力大学（河北） 2004
硕士论文
[1]基于深度信念网络的故障诊断研究[D]. 文红权.北京交通大学 2018
[2]基于深度学习的变压器故障诊断技术研究[D]. 石鑫.华北电力大学 2016
[3]基于双树复小波的机电设备故障诊断方法及应用[D]. 孟志鹏.北京工业大学 2014
[4]基于人工神经网络的旋转机械故障诊断专家系统[D]. 梅杰.武汉理工大学 2011
[5]基于BP神经网络的滚动轴承故障诊断方法[D]. 于婷婷.大连理工大学 2008
[6]基于遗传算法优化BP神经网络的变压器故障诊断[D]. 段侯峰.北京交通大学 2008
本文编号：3691545
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 概述
1.2 论文研究背景及意义
1.3 国内外研究现状
1.3.1 声发射技术研究现状
1.3.2 双树复小波在故障检测领域研究现状
1.3.3 深度信念网络在故障检测领域的研究现状
1.3.4 BP神经网络在故障检测领域的研究现状
1.3.5 支持向量机在故障检测领域的研究现状
1.4 课题来源及本文主要研究内容
1.4.1 课题来源
1.4.2 本文的主要研究内容
第二章 理论基础
2.1 引言
2.2 双树复小波相关理论
2.2.1 双树复小波变换
2.2.2 双树复小波滤波器设计
2.3 离散小波相关理论
2.3.1 离散小波DWT的概念
2.3.2 离散小波DWT的原理
2.4 经验模态分解相关理论
2.5 集合经验模态分解相关理论
2.5.1 集合经验模态分解EEMD的概念
2.5.2 集合经验模态分解EEMD原理及算法
2.6 深度信念网络相关理论
2.6.1 受限玻尔兹曼机结构
2.6.2 受限玻尔兹曼机训练算法
2.7 BP神经网络
2.7.1 BP神经网络传播过程
2.7.2 BP神经网络设计原则
2.7.3 BP算法训练过程
2.8 支持向量机
2.8.1 支持向量机的概念
2.8.2 支持向量机的原理
本章小结
第三章 实验数据处理
3.1 引言
3.2 实验数据的处理
3.2.1 双树复小波
3.2.2 离散小波
3.2.3 经验模态分解
3.2.4 集合经验模态分解
本章小结
第四章 分类识别
4.1 基于SVM声发射车轴疲劳裂纹的识别研究
4.1.1 SVM模型的建立
4.1.2 实验结果及分析
4.2 基于BP神经网络声发射车轴疲劳裂纹的识别研究
4.2.1 BP神经网络模型的建立
4.2.2 实验结果及分析
4.3 基于深度信念网络声发射车轴疲劳裂纹的识别研究
4.3.1 DBN网络模型的建立
4.3.2 实验结果及分析
4.3.3 深度信念网络验证分析
4.4 结果对比分析
本章小结
结论与展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于DT-CWT自适应Teager能量谱的轴承早期故障诊断[J]. 任学平,王朝阁,张玉皓,王建国. 振动.测试与诊断. 2017(04)
[2]双树复小波分析在故障诊断中的发展与应用[J]. 杨楠,关佳亮,高立新. 设备管理与维修. 2017(10)
[3]基于双树复小波和深度信念网络的轴承故障诊断[J]. 张淑清,胡永涛,姜安琦,李军锋,宿新爽,姜万录. 中国机械工程. 2017(05)
[4]基于双树复小波和自适应权重和时间因子的粒子群优化支持向量机的轴承故障诊断[J]. 张淑清,胡永涛,姜安琦,吴迪,陆超,姜万录. 中国机械工程. 2017(03)
[5]双树复小波和双谱在轴承故障诊断中的应用[J]. 侯少飞,李彦生,胥永刚,马朝永. 噪声与振动控制. 2016(05)
[6]基于DBN的故障特征提取及诊断方法研究[J]. 赵光权,葛强强,刘小勇,彭喜元. 仪器仪表学报. 2016(09)
[7]基于DT-CWT和MCKD的滚动轴承早期故障诊断方法[J]. 任学平,王朝阁,张玉皓,汪军. 仪表技术与传感器. 2016(05)
[8]基于DT-CWT和奇异能量差分谱的滚动轴承故障诊断研究[J]. 任学平,王朝阁,张玉皓,庞震. 机械设计与制造. 2016(04)
[9]基于双树复小波变换的轴承复合故障诊断研究[J]. 胥永刚,孟志鹏,赵国亮. 仪器仪表学报. 2014(02)
[10]基于双树复小波和奇异差分谱的齿轮故障诊断研究[J]. 胥永刚,孟志鹏,陆明,付胜. 振动与冲击. 2014(01)
博士论文
[1]考虑轮对弹性和旋转走行的高速轮轨系统动力学性能研究[D]. 杨光.北京交通大学 2017
[2]基于自适应振动信号处理的旋转机械故障诊断研究[D]. 张超.西安电子科技大学 2012
[3]电力变压器状态评估及故障诊断方法研究[D]. 郑含博.重庆大学 2012
[4]基于振动信号的机械故障特征提取与诊断研究[D]. 赵志宏.北京交通大学 2012
[5]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
[6]基于EMD的机械振动分析与诊断方法研究[D]. 曹冲锋.浙江大学 2009
[7]支持向量机算法及其应用研究[D]. 张国云.湖南大学 2006
[8]基于支持向量机的故障智能诊断方法研究[D]. 翟永杰.华北电力大学（河北） 2004
硕士论文
[1]基于深度信念网络的故障诊断研究[D]. 文红权.北京交通大学 2018
[2]基于深度学习的变压器故障诊断技术研究[D]. 石鑫.华北电力大学 2016
[3]基于双树复小波的机电设备故障诊断方法及应用[D]. 孟志鹏.北京工业大学 2014
[4]基于人工神经网络的旋转机械故障诊断专家系统[D]. 梅杰.武汉理工大学 2011
[5]基于BP神经网络的滚动轴承故障诊断方法[D]. 于婷婷.大连理工大学 2008
[6]基于遗传算法优化BP神经网络的变压器故障诊断[D]. 段侯峰.北京交通大学 2008
本文编号：3691545
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3691545.html
