基于自编码器深度特征提取的柴油发动机异常检测与故障诊断技术研究

发布时间：2023-06-08 18:30

　　柴油发动机能够为多种机械装备提供运行动力,在工业、船舶、电力、军工等多个领域都被普遍配备并使用。但是由于柴油发动机具有工作条件恶劣,机械结构复杂、振源多、转速高等特点,使其很容易发生零部件磨损,甚至是机械故障,对机组的健康造成威胁。由于振动信号传递路径复杂且具有强耦合性,传统的设备故障诊断方案很难在实际工业现场中取得令人满意的在线诊断结果。随着深度学习技术的发展,通过大量数据自动学习出故障特征并进行在线故障诊断成为了一种有效的解决方法。本文针对如何将深度学习引入到柴油发动机的异常检测和故障诊断领域,主要在以下几个方面开展了研究工作:(1)针对实际中故障样本缺乏,难以训练故障诊断模型的现状,本文从异常检测的角度出发,提出了一种基于一维卷积自编码器的柴油发动机异常检测算法。通过一维卷积自编码器来输出状态模型与观测模型间的误差,并通过箱线图法对误差进行评估,并确定异常检测的阈值。最后通过实验台实测数据进行了验证,结果表明了所提方法在柴油发动机异常检测上的有效性。(2)深入研究了栈式自编码器的特征提取性能,从多个评价指标上对各种特征提取方法进行对比分析,验证了通过栈式自编码器自动提取的深度特征...

【文章页数】：97 页

【学位级别】：硕士

【文章目录】：
学位论文数据集
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 柴油发动机故障诊断技术研究现状
    1.3 自编码器研究现状
    1.4 自编码器在故障诊断上的应用现状
    1.5 本文主要研究内容
第二章 基于一维卷积自编码器的柴油发动机异常检测方法
    2.1 引言
    2.2 一维卷积自编码器原理
        2.2.1 自编码器
        2.2.2 一维卷积自编码器
    2.3 基于一维卷积自编码器的异常检测模型
        2.3.1 误差生成模型
        2.3.2 异常检测模型
    2.4 基于一维卷积自编码器的柴油发动机异常检测
        2.4.1 1DCAE重构结果分析
        2.4.2 异常检测性能分析
        2.4.3 卷积核可视化
    2.5 本章小结
第三章 基于栈式自编码器的柴油发动机特征提取与故障诊断
    3.1 引言
    3.2 栈式自编码器原理
    3.3 SAE的特征提取性能分析
        3.3.1 提取出的特征
        3.3.2 特征性能评估指标
        3.3.3 各特征提取方法对比分析
    3.4 栈式自编码器故障诊断模型
        3.4.1 节点随机丢弃技巧
        3.4.2 模型的搭建
    3.5 基于栈式自编码器的故障诊断模型性能验证
        3.5.1 故障诊断结果分析
        3.5.2 输入方式对比分析
        3.5.3 与其他算法对比分析
    3.6 本章小结
第四章 基于改进变分自编码器的柴油发动机故障诊断方法
    4.1 引言
    4.2 基于改进变分自编码器的故障诊断模型
        4.2.1 变分自编码器
        4.2.2 和声搜索优化算法
        4.2.3 提出的故障诊断模型
    4.3 基于改进变分自编码器的柴油发动机故障诊断
        4.3.1 模型超参数研究
        4.3.2 超参数自动优化
        4.3.3 特征提取可视化分析
        4.3.4 非稳定工况下的故障诊断性能对比分析
        4.3.5 与其他方法对比分析
    4.4 本章小结
第五章 柴油发动机故障模拟实验与状态监测故障案例分析
    5.1 引言
    5.2 柴油发动机气门故障模拟实验
        5.2.1 实验台搭建
        5.2.2 实验目的与意义
        5.2.3 实验过程
        5.2.4 实验结果分析
    5.3 柴油发动机状态监测项目典型故障案例分析
        5.3.1 缸内失火故障案例分析
        5.3.2 气门弹簧断裂故障案例分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者与导师简介
附件



本文编号：3832270