基于DBN的故障特征提取及诊断方法研究

发布时间：2017-09-30 06:27

  本文关键词：基于DBN的故障特征提取及诊断方法研究

  更多相关文章： 深度置信网络 特征提取 故障诊断 原始数据

【摘要】：随着装备日趋复杂化,依靠专家经验或信号处理技术人工提取和选择故障特征变得越来越困难。此外,以BP神经网络、SVM为代表的浅层模型难以表征被测信号与装备健康状况之间复杂的映射关系,且面临维数灾难等问题。结合深度置信网络(DBN)在提取特征和处理高维、非线性数据等方面的优势,提出一种基于深度置信网络的故障特征提取及诊断方法。该方法通过深度学习利用原始时域信号训练深度置信网络并完成智能诊断,其优势在于能够摆脱对大量信号处理技术与诊断经验的依赖,完成故障特征的自适应提取与健康状况的智能诊断,该方法对时域信号没有周期性要求,具有较强的通用性和适应性。在仿真数据集和轴承数据集上进行了故障特征提取和诊断实验,实验结果表明:本文提出的方法能够有效地从原始信号中进行多种工况、多种故障位置和多种故障程度的故障特征提取和诊断,并且具有较高的故障识别精度。
【作者单位】： 哈尔滨工业大学自动化测试与控制系;
【关键词】： 深度置信网络 特征提取 故障诊断 原始数据
【基金】：国家自然科学基金(61571160)项目资助
【分类号】：TH17
【正文快照】： 1引言随着科技的发展,航空、航天、工业等领域的机电设备日趋复杂化、智能化、综合化,并且其运行工况和工作环境也愈加复杂多变,导致其维护和保障成本越来越高,同时由于组成环节和影响因素的增加,发生故障的几率逐渐加大[1-2],因此对复杂装备系统进行准确、有效的故障诊断成为

【参考文献】

中国期刊全文数据库 前5条

1 雷亚国;贾峰;周昕;林京;;基于深度学习理论的机械装备大数据健康监测方法[J];机械工程学报;2015年21期

2 张立国;李盼;李梅梅;张淑清;张志福;;基于ITD模糊熵和GG聚类的滚动轴承故障诊断[J];仪器仪表学报;2014年11期

3 彭宇;刘大同;;数据驱动故障预测和健康管理综述[J];仪器仪表学报;2014年03期

4 闫鹏程;孙华刚;毛向东;冯广斌;;基于EMD与SVD的齿轮箱分形诊断方法研究[J];电子测量与仪器学报;2012年05期

5 彭宇;刘大同;彭喜元;;故障预测与健康管理技术综述[J];电子测量与仪器学报;2010年01期

中国博士学位论文全文数据库 前2条

1 李丽敏;统计聚类和粒子滤波在故障诊断中的应用研究[D];西北工业大学;2014年

2 李锋;基于流形学习的风电机组传动系统故障诊断方法研究[D];重庆大学;2011年

【共引文献】

中国期刊全文数据库 前10条

1 张小龙;张氢;秦仙蓉;孙远韬;;基于ITD复杂度和PSO-SVM的滚动轴承故障诊断[J];振动与冲击;2016年24期

2 蒋丽英;高爽;崔建国;于明月;卢晓东;王景霖;;基于VMD和平均能量的齿轮故障特征提取[J];沈阳航空航天大学学报;2016年06期

3 张淑清;李威;张立国;胡永涛;钱磊;姜万录;;基于多元经验模态分解互近似熵及GG聚类的轴承故障诊断[J];中国机械工程;2016年24期

4 王勇;王海瑞;李宇芳;丁剑;;基于CEEMD模糊熵的捣固车液压系统故障特征提取[J];计算机与数字工程;2016年12期

5 戴耀辉;苗瑞;罗兴铭;辛勤;;基于小波变换和高阶特征提取的直驱风机轴承故障诊断方法[J];四川电力技术;2016年06期

6 周小龙;杨恭勇;梁秀霞;李家飞;;基于EMD重构和SVM的滚动轴承故障诊断方法研究[J];东北电力大学学报;2016年06期

7 陈维兴;曲睿;孙毅刚;;基于改进Apriori算法的地面空调间歇故障预测[J];计算机应用;2016年12期

8 杨诚;宋萍;刘雄军;彭文家;高晓东;;特种车辆油气弹簧漏气故障的识别与预测[J];仪器仪表学报;2016年11期

9 李大中;赵杰;刘建屏;蔡文河;马延会;;基于ITD和改进小波阈值的超声检测信号去噪[J];华北电力技术;2016年09期

10 杨连报;李平;徐贵红;刘俊;刘彦军;;基于大数据技术的铁路安全管理研究[J];铁路计算机应用;2016年09期

中国博士学位论文全文数据库 前3条

1 徐强;风电机组传动链状态诊断方法研究[D];华北电力大学;2015年

2 李向前;复杂装备故障预测与健康管理关键技术研究[D];北京理工大学;2014年

3 陈仁祥;振动谱表征空间滚动轴承寿命状态方法研究[D];重庆大学;2012年

【二级参考文献】

中国期刊全文数据库 前10条

1 刘建伟;刘媛;罗雄麟;;深度学习研究进展[J];计算机应用研究;2014年07期

2 王建国;吴林峰;秦绪华;;基于自相关分析和LMD的滚动轴承振动信号故障特征提取[J];中国机械工程;2014年02期

3 张焱;汤宝平;邓蕾;;基于谱聚类初始化非负矩阵分解的机械故障诊断[J];仪器仪表学报;2013年12期

4 蔡剑华;龚玉蓉;王先春;;利用EMD-Wigner高阶矩谱的齿轮故障诊断方法[J];振动.测试与诊断;2013年06期

5 徐圆;刘莹;朱群雄;;基于多元时滞序列驱动的复杂过程故障预测方法应用研究[J];化工学报;2013年12期

6 姚亚夫;张星;;基于瞬时能量熵和SVM的滚动轴承故障诊断[J];电子测量与仪器学报;2013年10期

7 周建宝;王少军;马丽萍;杨思远;彭宇;彭喜元;;可重构卫星锂离子电池剩余寿命预测系统研究[J];仪器仪表学报;2013年09期

8 余凯;贾磊;陈雨强;徐伟;;深度学习的昨天、今天和明天[J];计算机研究与发展;2013年09期

9 王玉静;姜义成;康守强;杨广学;陈艳娜;;基于优化集合EMD的滚动轴承故障位置及性能退化程度诊断方法[J];仪器仪表学报;2013年08期

10 李学军;李平;蒋玲莉;;类均值核主元分析法及在故障诊断中的应用[J];机械工程学报;2014年03期

中国博士学位论文全文数据库 前4条

1 黄伟国;基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究[D];中国科学技术大学;2010年

2 邵继业;基于模型的故障诊断方法研究及在航天中的应用[D];哈尔滨工业大学;2009年

3 吕宗磊;对聚类及聚类评价若干问题的研究[D];南京航空航天大学;2009年

4 杨宇;基于EMD和支持向量机的旋转机械故障诊断方法研究[D];湖南大学;2005年

【相似文献】

中国期刊全文数据库 前10条

1 陈岳东，，屈梁生;回转机械的故障特征提取与分类[J];机械工程学报;1994年S1期

2 高正明;何彬;赵娟;裴永泉;左广霞;;常用故障特征提取方法[J];机床与液压;2009年12期

3 李兆飞;柴毅;李华锋;;多重分形的振动信号故障特征提取方法[J];数据采集与处理;2013年01期

4 韩立静;徐金梧;阳建宏;黎敏;;基于灰度击中击不中变换的故障特征提取方法[J];北京科技大学学报;2012年07期

5 李辉,宋智勇,孙丰瑞;基于小波包-包络分析的故障特征提取方法[J];振动、测试与诊断;2003年04期

6 李学军;廖传军;褚福磊;;适于声发射信号故障特征提取的小波函数[J];机械工程学报;2008年03期

7 梅检民;肖云魁;贾继德;赵慧敏;陈祥龙;乔龙;;基于改进阶比的变速器微弱故障特征提取[J];振动工程学报;2012年03期

8 任立通;胡金海;谢寿生;王磊;苗卓广;;基于随机共振预处理的振动故障特征提取研究[J];振动与冲击;2014年02期

9 陈长征,罗跃纲,张省,虞和济;基于小波分析的机械故障特征提取研究[J];机械强度;2001年01期

10 郝志华;马孝江;;高阶非线性时频表示在故障特征提取中的应用[J];农业机械学报;2006年02期

中国重要会议论文全文数据库 前3条

1 赵志宏;杨绍普;;一种基于ICA的机械故障特征提取方法[A];机械动力学理论及其应用[C];2011年

2 潘宏侠;黄晋英;毛鸿伟;刘振旺;;基于粒子群优化的故障特征提取技术研究[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

3 朱启兵;杨慧中;;基于卷积型小波包奇异值分解的齿轮故障特征提取[A];第二十七届中国控制会议论文集[C];2008年

中国博士学位论文全文数据库 前10条

1 蒋超;基于EEMD与MED的冲击信号自适应故障特征提取方法[D];上海大学;2016年

2 程发斌;面向机械故障特征提取的混合时频分析方法研究[D];重庆大学;2007年

3 冯坤;基于内积变换的机械故障特征提取原理与早期识别方法研究[D];北京化工大学;2012年

4 李加庆;基于声全息的故障特征提取技术研究[D];上海交通大学;2008年

5 赵玲;旋转机械系统故障特征提取中的分形方法研究[D];重庆大学;2010年

6 陈建国;基于独立分量分析的机械故障特征提取及分类方法研究[D];大连理工大学;2011年

7 李兆飞;振动故障分形特征提取及诊断方法研究[D];重庆大学;2013年

8 鞠萍华;旋转机械早期故障特征提取的时频分析方法研究[D];重庆大学;2010年

9 赵志宏;基于振动信号的机械故障特征提取与诊断研究[D];北京交通大学;2012年

10 赵鹏;离心泵振动故障诊断方法研究及系统实现[D];华北电力大学（北京）;2011年

中国硕士学位论文全文数据库 前10条

1 薄瑞瑞;基于LMD的振动信号处理及故障特征提取研究[D];内蒙古大学;2015年

2 凡非龙;旋转机械故障诊断与现场动平衡系统研发[D];浙江大学;2015年

3 屈红伟;基于LMD的故障特征提取方法及动平衡技术研究[D];北京化工大学;2015年

4 李岭阳;基于非线性分析的故障特征提取及识别方法研究[D];北京化工大学;2016年

5 沈金理;机械装备连接松动故障特征提取方法的研究[D];东华大学;2013年

6 李敏;基于谱融合的管道故障特征提取方法研究[D];北京化工大学;2011年

7 易雄;基于小波分析的机械故障特征提取与诊断技术研究[D];浙江工业大学;2009年

8 钟晓平;气象卫星运动部件故障特征提取及振动特性研究[D];上海交通大学;2009年

9 宋震;柴油机典型故障特征提取与诊断研究[D];天津大学;2013年

10 王泽栋;钻井泵阀的故障特征提取与基于GSM的远程故障报警仪[D];北京化工大学;2008年

本文编号：946673