基于深度学习理论的电机故障诊断方法研究
发布时间：2022-04-20 20:35
电机作为工农业生产必不可少的设备,具有十分重要的地位。若电机运行过程中出现故障,不仅造成经济损失,甚至威胁人的生命安全。目前传统的故障诊断方法大多数采用信号处理提取特征向量,提取过程需人为掌握大量的信号处理方法和诊断经验,使诊断过程相对复杂,导致结果误判的可能性增加。因此,将原先对电机的定期检修转变为预知维修,减少维修费用,研究先进的电机故障诊断方法具有重要意义。近年来,由于人工智能发展迅速,深度学习在多个领域彰显了处理复杂任务的能力。本文着重研究深度学习的两种模型,以及该模型在故障诊断领域的应用。主要研究工作和内容如下:（1）系统学习了深度学习的基本理论及常用方法,由于浅层机器学习方法需要大量的先验知识和信号处理理论,泛化能力较弱等,重点研究深度学习中长短时记忆网络与堆栈稀疏自编码器两种模型,论述该模型的基本理论与算法,并通过这两个模型所应用的算法均有效改善传统方法存在的局限性。（2）研究了长短时记忆神经网络:由于在电机故障诊断中采用传统神经网络时存在忽略不同数据之间的相关性,无法学习长期依赖关系,并且在回馈信息的过程中出现梯度消失等问题,将长短时记忆神经网络与Softmax多分类器...
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 课题研究背景及意义
1.3 国内外研究现状
1.3.1 国内研究现状
1.3.2 国外研究现状
1.4 论文研究内容及结构安排
第2章 深度学习理论
2.1 引言
2.2 深度学习概述
2.2.1 人脑视觉机理
2.2.2 深度学习基本概念
2.2.3 深度学习的训练过程
2.3 深度学习模型
2.3.1 深度置信网络
2.3.2 卷积神经网络
2.3.3 循环神经网络
2.3.4 自编码器
2.4 深度学习的应用研究
2.4.1 图像识别中的应用研究
2.4.2 语音识别中的应用
2.4.3 自然语言处理中的应用
2.5 电机故障识别算法
2.5.1 支持向量机
2.5.2 BP神经网络
2.5.3 Softmax多分类器
2.6 本章小结
第3章 基于长短时记忆神经网络的电机故障诊断
3.1 引言
3.2 梯度消失
3.3 LSTM神经网络原理与算法
3.3.1 LSTM神经网络原理
3.3.2 Adam自适应学习率算法
3.4 基于LSTM-Softmax模型的故障诊断方法与步骤
3.5 仿真试验验证与性能分析
3.5.1 仿真试验数据
3.5.2 仿真试验结果与TensorBoard可视化
3.5.3 仿真试验结果对比
3.6 本章小结
第4章 基于堆栈稀疏自编码器的电机故障诊断
4.1 引言
4.2 堆栈稀疏自编码器
4.2.1 稀疏自编码器
4.2.2 堆栈稀疏自编码器
4.3 贪心逐层无监督预训练
4.4 局部极小值
4.5 基于SSAE-Softmax的电机故障诊断方法的实现
4.5.1 深度特征的优化提取
4.5.2 基于SSAE-Softmax故障诊断方法步骤
4.6 关键参数对网络性能的影响
4.6.1 不同隐层神经元组合对网络性能的影响
4.6.2 不同隐层组合模型诊断结果分析
4.6.3 权重衰减项对网络性能的影响
4.6.4 稀疏参数对网络性能的影响
4.7 仿真试验验证与性能分析
4.7.1 仿真试验分析
4.7.2 仿真试验结果对比
4.8 本章小结
总结与展望
总结
展望
参考文献
致谢
附录 攻读学位期间所发表的学术论文目录
【参考文献】：
期刊论文
[1]变分自编码器模型综述[J]. 翟正利,梁振明,周炜,孙霞. 计算机工程与应用. 2019(03)
[2]循环神经网络研究综述[J]. 杨丽,吴雨茜,王俊丽,刘义理. 计算机应用. 2018(S2)
[3]Hilbert解调制方法诊断异步电机轴承故障[J]. 宋向金,王卓,胡静涛,祝洪宇. 电工技术学报. 2018(21)
[4]基于深度卷积变分自编码网络的故障诊断方法[J]. 佘博,田福庆,梁伟阁. 仪器仪表学报. 2018(10)
[5]基于深度自编码网络的轴承故障诊断[J]. 袁文军,刘飞,王晓峰,周文晶. 噪声与振动控制. 2018(05)
[6]双馈风力发电机轴承故障诊断研究现状与发展[J]. 马宏忠,李思源. 电机与控制应用. 2018(09)
[7]基于长短期记忆的实时电价条件下智能电网短期负荷预测[J]. 李鹏,何帅,韩鹏飞,郑苗苗,黄敏,孙健. 电网技术. 2018(12)
[8]基于小波包-神经网络的电厂发电机组故障诊断研究[J]. 刘志刚,赵晓燕,张涛,敖宝林,李四敏,党齐乾. 机械传动. 2018(08)
[9]基于双树复小波分解的风机齿轮箱故障诊断[J]. 刘清清,杨江天,尹子栋. 北京交通大学学报. 2018(04)
[10]矢量控制系统中感应电机电流传感器故障诊断[J]. 孙凯,何柏娜,Sarah Odofin,谷雨. 系统仿真学报. 2018(08)
博士论文
[1]异步电动机早期故障特征检测技术的研究[D]. 安国庆.河北工业大学 2013
硕士论文
[1]基于希尔伯特黄变换的轴承故障诊断方法研究[D]. 张瑶.新疆大学 2018
[2]基于定子电流的双馈风电机组不对中故障诊断[D]. 洪翌.北京交通大学 2018
[3]基于卷积神经网络的图像分类算法研究[D]. 郭田梅.济南大学 2017
[4]基于模糊神经网络的汽车发动机故障诊断系统及其方法研究[D]. 傅鹤川.华南理工大学 2017
[5]基于DSP的远程风电齿轮箱故障诊断系统软件设计[D]. 潘铭哲.中北大学 2015
本文编号：3646615
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 课题研究背景及意义
1.3 国内外研究现状
1.3.1 国内研究现状
1.3.2 国外研究现状
1.4 论文研究内容及结构安排
第2章 深度学习理论
2.1 引言
2.2 深度学习概述
2.2.1 人脑视觉机理
2.2.2 深度学习基本概念
2.2.3 深度学习的训练过程
2.3 深度学习模型
2.3.1 深度置信网络
2.3.2 卷积神经网络
2.3.3 循环神经网络
2.3.4 自编码器
2.4 深度学习的应用研究
2.4.1 图像识别中的应用研究
2.4.2 语音识别中的应用
2.4.3 自然语言处理中的应用
2.5 电机故障识别算法
2.5.1 支持向量机
2.5.2 BP神经网络
2.5.3 Softmax多分类器
2.6 本章小结
第3章 基于长短时记忆神经网络的电机故障诊断
3.1 引言
3.2 梯度消失
3.3 LSTM神经网络原理与算法
3.3.1 LSTM神经网络原理
3.3.2 Adam自适应学习率算法
3.4 基于LSTM-Softmax模型的故障诊断方法与步骤
3.5 仿真试验验证与性能分析
3.5.1 仿真试验数据
3.5.2 仿真试验结果与TensorBoard可视化
3.5.3 仿真试验结果对比
3.6 本章小结
第4章 基于堆栈稀疏自编码器的电机故障诊断
4.1 引言
4.2 堆栈稀疏自编码器
4.2.1 稀疏自编码器
4.2.2 堆栈稀疏自编码器
4.3 贪心逐层无监督预训练
4.4 局部极小值
4.5 基于SSAE-Softmax的电机故障诊断方法的实现
4.5.1 深度特征的优化提取
4.5.2 基于SSAE-Softmax故障诊断方法步骤
4.6 关键参数对网络性能的影响
4.6.1 不同隐层神经元组合对网络性能的影响
4.6.2 不同隐层组合模型诊断结果分析
4.6.3 权重衰减项对网络性能的影响
4.6.4 稀疏参数对网络性能的影响
4.7 仿真试验验证与性能分析
4.7.1 仿真试验分析
4.7.2 仿真试验结果对比
4.8 本章小结
总结与展望
总结
展望
参考文献
致谢
附录 攻读学位期间所发表的学术论文目录
【参考文献】：
期刊论文
[1]变分自编码器模型综述[J]. 翟正利,梁振明,周炜,孙霞. 计算机工程与应用. 2019(03)
[2]循环神经网络研究综述[J]. 杨丽,吴雨茜,王俊丽,刘义理. 计算机应用. 2018(S2)
[3]Hilbert解调制方法诊断异步电机轴承故障[J]. 宋向金,王卓,胡静涛,祝洪宇. 电工技术学报. 2018(21)
[4]基于深度卷积变分自编码网络的故障诊断方法[J]. 佘博,田福庆,梁伟阁. 仪器仪表学报. 2018(10)
[5]基于深度自编码网络的轴承故障诊断[J]. 袁文军,刘飞,王晓峰,周文晶. 噪声与振动控制. 2018(05)
[6]双馈风力发电机轴承故障诊断研究现状与发展[J]. 马宏忠,李思源. 电机与控制应用. 2018(09)
[7]基于长短期记忆的实时电价条件下智能电网短期负荷预测[J]. 李鹏,何帅,韩鹏飞,郑苗苗,黄敏,孙健. 电网技术. 2018(12)
[8]基于小波包-神经网络的电厂发电机组故障诊断研究[J]. 刘志刚,赵晓燕,张涛,敖宝林,李四敏,党齐乾. 机械传动. 2018(08)
[9]基于双树复小波分解的风机齿轮箱故障诊断[J]. 刘清清,杨江天,尹子栋. 北京交通大学学报. 2018(04)
[10]矢量控制系统中感应电机电流传感器故障诊断[J]. 孙凯,何柏娜,Sarah Odofin,谷雨. 系统仿真学报. 2018(08)
博士论文
[1]异步电动机早期故障特征检测技术的研究[D]. 安国庆.河北工业大学 2013
硕士论文
[1]基于希尔伯特黄变换的轴承故障诊断方法研究[D]. 张瑶.新疆大学 2018
[2]基于定子电流的双馈风电机组不对中故障诊断[D]. 洪翌.北京交通大学 2018
[3]基于卷积神经网络的图像分类算法研究[D]. 郭田梅.济南大学 2017
[4]基于模糊神经网络的汽车发动机故障诊断系统及其方法研究[D]. 傅鹤川.华南理工大学 2017
[5]基于DSP的远程风电齿轮箱故障诊断系统软件设计[D]. 潘铭哲.中北大学 2015
本文编号：3646615
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3646615.html
