基于卷积神经网络的电主轴轴承故障诊断方法研究
发布时间：2021-01-16 08:26
电主轴作为高档数控机床的核心部件,已广泛应用于各种尖端及特殊制造领域中,其性能和运行状态直接影响着设备的加工精度和产品质量。滚动轴承作为电主轴的主要支承形式,在电主轴复杂的运行条件下,其寿命一定受到极大的影响。电主轴轴承一旦出现故障,必将导致电主轴乃至整条生产线瘫痪。为了确保电主轴能够安全可靠的运行,对电主轴轴承的故障进行诊断是必不可少的。随着深度学习方法的发展,从数据本身自主学习特征的思想为故障诊断提供了新思路。而卷积神经网络作为深度学习中泛化能力最强的一种方法,也为电主轴轴承故障诊断领域开辟了广阔的发展前景。本文以电主轴轴承故障为研究对象,采用时频分析方法将轴承的故障信号转换为图像,作为改进后的卷积神经网络的输入样本,并将改进后的方法应用区分于电主轴轴承的故障类型,本文的主要工作如下:（1）结合电主轴轴承的理论知识,对其故障频率特性进行了分析,模拟仿真了轴承外圈的轻度和重度故障,阐述了本文采集振动信号的实验平台,并介绍了振动信号常见的处理方法。（2）对卷积神经网络的结构和训练方式展开研究。通过使用Python编写部分重要函数说明了 Tensorflow框架是如何实现卷积神经网络的,...
【文章来源】：沈阳建筑大学辽宁省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２．１电主轴的基本结构??
?硕士研究生学位论文??图２．２主轴?图２．３定子和转子??Ｆｉｇ．２．２?Ｓｐｉｎｄｌｅ?Ｆｉｇ．２．３?Ｓｔａｔｏｒ?ａｎｄ?Ｒｏｔｏｒ??轴承是电主轴最重要的支承零件，负责承受径向和轴向载荷。电主轴对于选取轴承的??标准非常严苛，通常要求轴承具备良好的高速运转能力、承载能力、润滑性能、散热性能??和较长的使用寿命等。目前，电主轴中常见的轴承主要包括滚动轴承，液体轴承，以及气??体轴承等。然而，应用最广泛的还是以角接触球轴承和深沟球轴承为代表的滚动轴承。角??接触球轴承可以同时承受径向载荷和轴向载荷，接触角越大，轴向承载能力越高，同时也??适用于高速工况。如，混合陶瓷球轴承也可以应用于电主轴中，它的滚动体由Ｓｉ３Ｎ４材料??制成，其密度只有钢制轴承的４０％，这也是它具备良好的髙速运转能力的必要条件［４７］。深??沟球轴承主要承受径向载荷
２．２滚动轴承故障分析??２．２．１滚动轴承结构与故障形式??滚动轴承一般由外圈、内圈、滚动体及保持架组成，如图２．４所示。通常，滚动轴承??外圈固定在轴承座上保持不动，起支撑作用；内圈随主轴做旋转运动；滚动体位于保持架??内部，并在内外圈滚道中进行自转和公转，起到支承径向和轴向载荷的作用，它的大小和??数量直接影响整个轴承的性能与使用寿命；保持架可以均匀分配滚动体，不但起到防止滚??动体脱落的作用，同时也能为润滑提供有利条件［４９］。图２．４还描述了滚动轴承重要的几何??参数：轴承内圈直径，乃２—轴承节圆直径，Ａ—轴承外圈直径，乃４一滚动体直径，ａ??一轴承接触角。??■?Ｉ７??ｉｉ?滚动体一－－??議??图２．４滚动轴承结构图??Ｆｉｇ．２．４?Ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｒｏｌｌｉｎｇ?ｂｅａｒｉｎｇ??滚动轴承的故障可以由加工不良、材料缺陷等固有原因产生，也有可能是不规范的操??作过程导致安装精度不达标所引起的。值得注意的是，电主轴在长时间的运行下，滚动轴??承也会因寿命和质量下降而发生缓慢故障。它的故障形式主要表现为以下几方面：??（１）
【参考文献】：
期刊论文
[1]基于相对变换的ICA故障检测方法[J]. 石怀涛,周乾,王雨桐,李颂华. 电子测量与仪器学报. 2017(07)
[2]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[3]基于小波时频图和CNN的滚动轴承智能故障诊断方法[J]. 袁建虎,韩涛,唐建,安立周. 机械设计与研究. 2017(02)
[4]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[5]基于卷积神经网络的时频图像识别研究[J]. 曾雪琼,黎杰. 机械与电子. 2016(05)
[6]基于稀疏自动编码深度神经网络的感应电动机故障诊断[J]. 孙文珺,邵思羽,严如强. 机械工程学报. 2016(09)
[7]深度学习在控制领域的研究现状与展望[J]. 段艳杰,吕宜生,张杰,赵学亮,王飞跃. 自动化学报. 2016(05)
[8]基于KPCA的轴承故障状态分类研究[J]. 龚立雄,黄敏. 现代制造工程. 2015(07)
[9]基于多元统计分析的故障检测方法[J]. 纪洪泉,何潇,周东华. 上海交通大学学报. 2015(06)
[10]S变换时频谱SVD降噪的冲击特征提取方法[J]. 郭远晶,魏燕定,周晓军,傅雷. 振动工程学报. 2014(04)
博士论文
[1]滚动轴承振动信号特征提取及诊断方法研究[D]. 朱可恒.大连理工大学 2013
[2]基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D]. 从飞云.上海交通大学 2012
[3]高速陶瓷电主轴的设计与制造关键技术研究[D]. 李颂华.大连理工大学 2012
[4]数控机床可用性关键技术研究[D]. 薛玉霞.吉林大学 2009
[5]电主轴热态特性对轴承—转子系统动力学特性的影响研究[D]. 王保民.兰州理工大学 2009
硕士论文
[1]基于支持向量机的数控机床电主轴故障诊断研究[D]. 王泽星.合肥工业大学 2017
[2]基于卷积神经网络的变速器故障分类识别研究[D]. 曾雪琼.华南理工大学 2016
[3]基于时频分析的特征提取与模式分类方法研究[D]. 赵卫峰.重庆大学 2016
[4]基于振动信号分析法的滚动轴承故障诊断研究[D]. 杨晨.兰州理工大学 2014
[5]滚动轴承振动信号的采集与分析研究[D]. 张亚雄.昆明理工大学 2014
[6]数控机床电主轴有限元分析及优化设计[D]. 李小锐.河北工程大学 2013
[7]电主轴故障分析及可靠性增长技术研究[D]. 王志琼.吉林大学 2012
[8]EMD和模糊神经网络在滚动轴承故障诊断中的研究与应用[D]. 杨勇.太原理工大学 2008
[9]粗糙集在故障诊断中的应用[D]. 张晶晶.南京理工大学 2006
[10]基于小波分析的滚动轴承故障诊断方法的研究及应用[D]. 姜小荧.大连理工大学 2005
本文编号：2980479
【文章来源】：沈阳建筑大学辽宁省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２．１电主轴的基本结构??
?硕士研究生学位论文??图２．２主轴?图２．３定子和转子??Ｆｉｇ．２．２?Ｓｐｉｎｄｌｅ?Ｆｉｇ．２．３?Ｓｔａｔｏｒ?ａｎｄ?Ｒｏｔｏｒ??轴承是电主轴最重要的支承零件，负责承受径向和轴向载荷。电主轴对于选取轴承的??标准非常严苛，通常要求轴承具备良好的高速运转能力、承载能力、润滑性能、散热性能??和较长的使用寿命等。目前，电主轴中常见的轴承主要包括滚动轴承，液体轴承，以及气??体轴承等。然而，应用最广泛的还是以角接触球轴承和深沟球轴承为代表的滚动轴承。角??接触球轴承可以同时承受径向载荷和轴向载荷，接触角越大，轴向承载能力越高，同时也??适用于高速工况。如，混合陶瓷球轴承也可以应用于电主轴中，它的滚动体由Ｓｉ３Ｎ４材料??制成，其密度只有钢制轴承的４０％，这也是它具备良好的髙速运转能力的必要条件［４７］。深??沟球轴承主要承受径向载荷
２．２滚动轴承故障分析??２．２．１滚动轴承结构与故障形式??滚动轴承一般由外圈、内圈、滚动体及保持架组成，如图２．４所示。通常，滚动轴承??外圈固定在轴承座上保持不动，起支撑作用；内圈随主轴做旋转运动；滚动体位于保持架??内部，并在内外圈滚道中进行自转和公转，起到支承径向和轴向载荷的作用，它的大小和??数量直接影响整个轴承的性能与使用寿命；保持架可以均匀分配滚动体，不但起到防止滚??动体脱落的作用，同时也能为润滑提供有利条件［４９］。图２．４还描述了滚动轴承重要的几何??参数：轴承内圈直径，乃２—轴承节圆直径，Ａ—轴承外圈直径，乃４一滚动体直径，ａ??一轴承接触角。??■?Ｉ７??ｉｉ?滚动体一－－??議??图２．４滚动轴承结构图??Ｆｉｇ．２．４?Ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?ｒｏｌｌｉｎｇ?ｂｅａｒｉｎｇ??滚动轴承的故障可以由加工不良、材料缺陷等固有原因产生，也有可能是不规范的操??作过程导致安装精度不达标所引起的。值得注意的是，电主轴在长时间的运行下，滚动轴??承也会因寿命和质量下降而发生缓慢故障。它的故障形式主要表现为以下几方面：??（１）
【参考文献】：
期刊论文
[1]基于相对变换的ICA故障检测方法[J]. 石怀涛,周乾,王雨桐,李颂华. 电子测量与仪器学报. 2017(07)
[2]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[3]基于小波时频图和CNN的滚动轴承智能故障诊断方法[J]. 袁建虎,韩涛,唐建,安立周. 机械设计与研究. 2017(02)
[4]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[5]基于卷积神经网络的时频图像识别研究[J]. 曾雪琼,黎杰. 机械与电子. 2016(05)
[6]基于稀疏自动编码深度神经网络的感应电动机故障诊断[J]. 孙文珺,邵思羽,严如强. 机械工程学报. 2016(09)
[7]深度学习在控制领域的研究现状与展望[J]. 段艳杰,吕宜生,张杰,赵学亮,王飞跃. 自动化学报. 2016(05)
[8]基于KPCA的轴承故障状态分类研究[J]. 龚立雄,黄敏. 现代制造工程. 2015(07)
[9]基于多元统计分析的故障检测方法[J]. 纪洪泉,何潇,周东华. 上海交通大学学报. 2015(06)
[10]S变换时频谱SVD降噪的冲击特征提取方法[J]. 郭远晶,魏燕定,周晓军,傅雷. 振动工程学报. 2014(04)
博士论文
[1]滚动轴承振动信号特征提取及诊断方法研究[D]. 朱可恒.大连理工大学 2013
[2]基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D]. 从飞云.上海交通大学 2012
[3]高速陶瓷电主轴的设计与制造关键技术研究[D]. 李颂华.大连理工大学 2012
[4]数控机床可用性关键技术研究[D]. 薛玉霞.吉林大学 2009
[5]电主轴热态特性对轴承—转子系统动力学特性的影响研究[D]. 王保民.兰州理工大学 2009
硕士论文
[1]基于支持向量机的数控机床电主轴故障诊断研究[D]. 王泽星.合肥工业大学 2017
[2]基于卷积神经网络的变速器故障分类识别研究[D]. 曾雪琼.华南理工大学 2016
[3]基于时频分析的特征提取与模式分类方法研究[D]. 赵卫峰.重庆大学 2016
[4]基于振动信号分析法的滚动轴承故障诊断研究[D]. 杨晨.兰州理工大学 2014
[5]滚动轴承振动信号的采集与分析研究[D]. 张亚雄.昆明理工大学 2014
[6]数控机床电主轴有限元分析及优化设计[D]. 李小锐.河北工程大学 2013
[7]电主轴故障分析及可靠性增长技术研究[D]. 王志琼.吉林大学 2012
[8]EMD和模糊神经网络在滚动轴承故障诊断中的研究与应用[D]. 杨勇.太原理工大学 2008
[9]粗糙集在故障诊断中的应用[D]. 张晶晶.南京理工大学 2006
[10]基于小波分析的滚动轴承故障诊断方法的研究及应用[D]. 姜小荧.大连理工大学 2005
本文编号：2980479
本文链接：https://www.wllwen.com/kejilunwen/jinshugongy/2980479.html
教材专著
