基于深度学习理论的异步电机故障诊断方法研究

发布时间：2022-07-11 14:46

　　异步电机在日常生活和社会工业生产中都有广泛应用,由于电机长时间高速、高压运转,加之环境恶劣,出现故障的几率十分大,电机正常运转与否直接影响工业生产制造的人员设备安全和经济效益,因此采用先进科学技术对电机进行状态监测和故障诊断具有十分重要的意义,可实现对设备故障的早期发现,有利于提高电机生产的可靠性,降低维修成本。本文主要研究了深度学习算法及其在异步电机常见故障诊断中的应用,主要研究工作如下:本文首先介绍了异步电机常见的故障类型,包括定子、转子和轴承方面的故障,分析了电机产生这些故障的原因,进而引出电机故障诊断的基本原理及其方法。其次,研究了深度学习基本理论和常用的基本模型,提出基于卷积神经网络（Convolutional neural network,CNN）深度学习模型的电机故障诊断方法。该方法能够直接从原始数据逐层提取深层抽象的特征规律,真正实现了端到端的电机的大数据特征挖掘与故障诊断,通过实验验证了传统CNN应用于电机故障诊断领域的合理性。然后,针对传统CNN方法缺乏特征理解导致特征提取效率和诊断准确率低、模型鲁棒性差的问题,提出基于门结构扩张卷积胶囊网络（Gate-struct... 

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景和意义
    1.2 国内外电机故障诊断研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 论文的主要内容与章节安排
第二章 异步电机故障诊断原理
    2.1 引言
    2.2 异步电机故障类型及原理
    2.3 故障诊断原理
    2.4 故障诊断方法
        2.4.1 基于信号处理的方法
        2.4.2 基于人工智能的方法
    2.5 本章小结
第三章 基于卷积神经网络的电机故障诊断研究
    3.1 引言
    3.2 深度学习
    3.3 卷积神经网络
        3.3.1 卷积神经网络
        3.3.2 梯度优化算法
        3.3.3 正则化
        3.3.4 参数初始化
        3.3.5 批规范化
    3.4 基于CNN的电机故障诊断实验验证
        3.4.1 实验数据
        3.4.2 搭建CNN网络模型
        3.4.3 结果分析
    3.5 本章小结
第四章 基于门结构扩张卷积胶囊网络的电机故障诊断研究
    4.1 引言
    4.2 门结构
    4.3 扩张卷积
    4.4 胶囊神经网络基本原理
        4.4.1 CNN面临的挑战及神经胶囊的提出
        4.4.2 神经胶囊的实例化参数
        4.4.3 神经胶囊向量的计算
        4.4.4 动态路由的工作原理
        4.4.5 边缘损失函数
    4.5 门结构扩张卷积胶囊网络的结构
        4.5.1 门结构层
        4.5.2 扩张卷积层
        4.5.3 初级胶囊层
        4.5.4 数字胶囊层
        4.5.5 自编码器重构
        4.5.6 最终损失和Adam梯度优化
    4.6 基于GDCCN的电机故障诊断实验验证
        4.6.1 实验数据预处理
        4.6.2 GDCCN模型
        4.6.3 实验结果分析
    4.7 和其它常用诊断方法的比较分析
        4.7.1 与传统机器学习方法比较
        4.7.2 与其他深度学习方法比较和不同环境噪声下的鲁棒性测试
    4.8 本章小结
第五章 异步电机故障诊断实验系统设计
    5.1 引言
    5.2 异步电机故障诊断系统方案
        5.2.1 异步电机常见故障模拟
        5.2.2 测试方案
    5.3 数据采集实验及结果
        5.3.1 数据采集实验设备
        5.3.2 数据采集系统界面
        5.3.3 数据采集结果
    5.4 数据处理
    5.5 异步电机故障诊断界面及结果
        5.5.1 故障诊断GUI软件开发环境
        5.5.2 异步电机故障诊断界面
    5.6 本章小结
第六章 结束语
    6.1 论文主要工作与创新点
    6.2 展望
参考文献
致谢
攻读硕士学位期间取得的研究成果



本文编号：3658358