基于深度学习理论的轴承状态识别研究

发布时间：2017-07-13 15:22

  本文关键词：基于深度学习理论的轴承状态识别研究

  更多相关文章： 深度学习 非监督学习 滚动轴承 视情维修

【摘要】：针对滚动轴承振动数据耦合程度高,信号特征提取和识别模型建立困难的问题,提出了一种基于深度学习理论的状态监测方法。提取振动信号的时域、频域和时频域特征构成特征向量;通过稀疏自编码非监督学习网络对输入向量进行特征学习,并将单层网络叠加构成深度神经网络;最后采用少量有标签数据对整个深度神经网络进行微调训练,建立轴承状态监测模型。试验结果表明,提出的方法对于轴承状态识别准确率达到90.86%,且性能退化阶段识别率最高,能满足视情维修的工程需求。
【作者单位】： 西南交通大学机械工程学院;
【关键词】： 深度学习 非监督学习 滚动轴承 视情维修
【基金】：国家自然科学基金(NSF51275426)
【分类号】：TH133.33
【正文快照】： 为减少维修时间,提高企业生产效率,机械设备采用视情维修是重要的措施。视情维修的基础是通过加强和完善监测手段,掌握设备的工作状态,及时发现问题并采取相应对策[1]。轴承是机械设备的重要组成部分,据统计,轴承的损坏故障在旋转机械的故障中约占30%,因此,对轴承进行故障诊断

【相似文献】

中国期刊全文数据库 前10条

1 余成波;轴承状态的声信息流识别法[J];振动.测试与诊断;1998年01期

2 王静;邓军;曹阳;;轴承状态监测与诊断系统研究与开发[J];噪声与振动控制;2008年05期

3 刘璐瑶;黄飞飞;;智能化轴承状态检测方法实例[J];工业设计;2011年05期

4 金孝纯;;确定抗磨轴承状态的振动脉冲法(SPM)[J];设备维修;1981年04期

5 钱苏翔 ,顾小军;轴承状态监测中的模糊诊断方法[J];嘉兴教育学院、嘉兴高等专科学校学报;1997年02期

6 李妍;马苗立;王步洲;李朝阳;李国吉;;基于STM32的轴承状态监测系统设计[J];科技信息;2013年23期

7 崔厚玺;张来斌;王朝晖;陈朝晖;黄洪俊;;基于多参数评判技术的轴承状态评估研究[J];中国设备工程;2006年S1期

8 李剑峰;;冲击脉冲计在轴承状态诊断技术中的应用[J];煤矿机械;2008年01期

9 赵泓扬;刘立生;韩庆邦;;一种基于HHT和神经网络的智能轴承状态监控系统[J];东北师大学报(自然科学版);2013年02期

10 周媛婧;李威霖;;基于概率神经网络的轴承状态监测与故障诊断[J];计量与测试技术;2009年02期

中国博士学位论文全文数据库 前1条

1 刘永斌;基于非线性信号分析的滚动轴承状态监测诊断研究[D];中国科学技术大学;2011年

中国硕士学位论文全文数据库 前3条

1 陈景伟;集成传感器的高速滚动轴承状态监测装置研制[D];哈尔滨工业大学;2010年

2 蒋晓伟;起重机低速重载轴承状态监测研究[D];大连交通大学;2012年

3 柴慧霞;基于LabVIEW的轴承状态监测及故障诊断系统实现[D];太原理工大学;2008年

，

本文编号：537440