基于深度信念网络的异步电机典型故障的诊断方法及其实验研究

发布时间：2020-10-23 12:34

　　 电机的实时检测和故障诊断能够对电动机故障初期的特征变化进行分析和识别,避免电动机故障的进一步恶化。此外还为电机性能的改善提供了数据和经验,有利于电机的可靠性进一步提升。因此,研究开发电机故障诊断技术和系统,不仅有重要的理论意义,还有重大的经济价值和实用价值。在传统的电机故障诊断中,由于电机的机械结构复杂、信号非平稳性等因素以及在信号的特征提取的过程中存在着人为选取的主观性等因素,因而限制了故障诊断识别率的提高。本文对深度学习的概念进行了介绍,并将其中的深度信念网络(DBN)应用到轴承和异步电机的故障诊断识别中。采用轴承的振动信号的功率谱密度作为网络的输入,对轴承的不同故障类型以及故障程度进行分类识别,结果表明,深度信念网络在轴承故障诊断中的识别准确率接近100%,说明深度信念网络在故障诊断识别领域具有很高的可行性和实用性。将深度信念网络应用到异步电机的故障诊断中,利用美国SQI公司的机械故障综合模拟实验台模拟5种电机状态,将电机原始振动信号的功率谱密度作为网络的训练和测试数据,分析了前向训练次数、微调训练次数、批处理量、网络深度和样本长度对网络识别准确率和时间的影响,为确定最优的网络参数提供了依据。将DBN与传统BP网络、堆叠自动编码器(SAE)、卷积神经网络(CNN)进行对比。结果表明,DBN在电机故障诊断中的识别准确率可以达到100%,识别准确率较传统BP网络有较大的提高;与其它深度学习网络相比,在训练时间上最优。
【学位单位】：燕山大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM343;TP183
【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题的来源及研究意义
    1.2 深度学习概念
        1.2.1 深度信念网络
        1.2.2 卷积神经网络
        1.2.3 堆叠自动编码网络
    1.3 深度学习研究现状
        1.3.1 语音识别领域
        1.3.2 信息检索领域
        1.3.3 计算机视觉领域
        1.3.4 故障智能分类识别领域
    1.4 课题研究目标和研究内容
        1.4.1 课题研究目标
        1.4.2 课题的研究内容
第2章 深度信念网络
    2.1 玻尔兹曼机
    2.2 受限玻尔兹曼机
    2.3 前向堆叠RBM学习
    2.4 后向微调学习
        2.4.1 BP神经网络
        2.4.2 SVM分类器
        2.4.3 Softmax分类器
    2.5 DBN关键参数设置
    2.6 本章小结
第3章 基于深度信念网络的轴承故障诊断
    3.1 轴承故障的研究意义
    3.2 轴承振动信号的采集
    3.3 基于DBN的轴承故障识别
        3.3.1 数据归一化处理
        3.3.2 实验结果分析
    3.4 本章小结
第4章 基于深度信念网络的异步电机故障诊断
    4.1 异步电机的故障概述
        4.1.1 异步电机故障成因
        4.1.2 异步电机故障类别
    4.2 故障模拟实验装置介绍
    4.3 振动信号采集系统
    4.4 实验参数设置
    4.5 基于DBN的电机故障识别
        4.5.1 振动信号预处理
        4.5.2 实验结果分析
    4.6 与其它算法对比分析
    4.7 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢

【相似文献】

相关期刊论文 前10条

1 班东坡;李红梅;刘立文;;高效异步电机设计综述[J];微电机;2018年04期

2 刘立国;;高效高压异步电机的分析与设计[J];中国设备工程;2017年04期

3 朱军;阮江军;陈嘉福;;十五相异步电机建模及稳态仿真研究[J];电机与控制学报;2017年09期

4 刘卓;邱岩;;高压异步电机装配方法的分析[J];科技创新与应用;2016年06期

5 马永强;;低压异步电机机械结构与日常维护分析[J];科技展望;2016年29期

6 陈志江;陈揆能;陈凯阳;;风机用单相异步电机的设计与分析[J];防爆电机;2014年06期

7 姚桂颖;;浅谈变频异步电机的设计及特点[J];黑龙江科学;2014年12期

8 刘庆;;高速异步电机设计的关键技术分析[J];产业与科技论坛;2015年11期

9 孙小刚;刘硕;冯德洋;;异步电机电磁噪声分析及验证[J];科学家;2017年13期

10 谭伟;谭冰;;对单绕组双速异步电机电磁设计关键问题的探讨[J];科学中国人;2015年15期

相关博士学位论文 前10条

1 庄圣伦;基于双定子绕组异步电机的航空变频交流电源关键技术研究[D];南京航空航天大学;2017年

2 蔡卓剑;准方波异步电机及其变频调速系统的研究[D];浙江大学;2015年

3 苏位峰;异步电机自抗扰矢量控制调速系统[D];清华大学;2004年

4 张宏荃;无轴承异步电机非线性解耦控制的研究[D];南京航空航天大学;2005年

5 王晓琳;无轴承异步电机基本控制策略研究与实现[D];南京航空航天大学;2005年

6 张征平;异步电动机早期故障检测的小波分析方法研究[D];华南理工大学;2002年

7 林友杰;异步电机变频调速节能控制运行研究[D];福州大学;2006年

8 张立伟;电动汽车用异步电机系统效率优化控制研究[D];中国科学院研究生院（电工研究所）;2006年

9 张兰红;异步电机起动/发电系统研究[D];南京航空航天大学;2006年

10 曲永印;异步电机的高性能变频调速控制策略及系统实现研究[D];东华大学;2006年

相关硕士学位论文 前10条

1 陈晓霖;异步电机无速度传感器低速运行高性能控制技术研究[D];山东科技大学;2018年

2 郝鹏永;基于深度信念网络的异步电机典型故障的诊断方法及其实验研究[D];燕山大学;2019年

3 赵振华;基于命令滤波的异步电机随机自适应模糊控制[D];青岛大学;2019年

4 韩瑶;基于命令滤波的异步电机有限时间自适应模糊控制[D];青岛大学;2019年

5 滕俊青;异步电机在线参数辨识与效率优化控制研究[D];青岛大学;2019年

6 汪雷鸣;基于模型设计的车载异步电机参数辨识研究[D];合肥工业大学;2019年

7 刘云飞;异步电机有限集模型预测控制算法及转矩脉动抑制研究[D];合肥工业大学;2019年

8 李伟;新能源汽车异步电机控制器设计及应用[D];济南大学;2019年

9 常玉洁;综合考虑参数时变的异步电机模型研究[D];北京交通大学;2019年

10 刘恰;异步电机无速度传感器矢量控制策略研究[D];西安科技大学;2019年

本文编号：2853048