轴承故障诊断的统计推断算法研究
发布时间：2022-02-16 17:35
轴承是机械设备中的重要核心部件和故障源之一,滚动轴承状态检测和诊断对于避免机械系统的灾难性故障非常重要。随着大数据时代到来,基于机器学习的轴承智能诊断方法得到大规模应用,目前智能诊断方法主要是基于机器学习中的判别式模型。然而,随着滚动轴承应用场景更加广泛,设备面临的工况日趋复杂,判别式模型不能很好地适应动态变化。为解决此问题,本课题提出了基于混合高斯分布的生成式轴承故障诊断模型及其统计推断方法。针对生成式诊断模型选择问题,通过分析故障特征分布,提出采用混合高斯分布作为生成式诊断模型;针对生成式模型高维复杂且难以推断精确分布的问题,本课题提出采用基于Gibbs抽样的生成式诊断模型统计推断方法,通过随机抽样得到分布;针对Gibbs抽样统计推断方法收敛速度慢的问题,本课题进一步提出采用基于变分贝叶斯的生成式诊断模型统计推断方法,变分贝叶斯利用先验信息构建分布,该方法在保证准确率的前提下进一步提高了收敛速度。对于待诊断的故障数据,结合生成式诊断模型和贝叶斯定理实现故障的准确诊断。通过采用滚动轴承公开标准数据集和中国铁路实际数据分析表明,基于Gibbs抽样统计推断得到的生成式诊断模型与基于支持向...
【文章来源】：北京信息科技大学北京市
【文章页数】：56 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的背景及意义
1.2 发展综述
1.3 滚动轴承故障诊断技术研究现状
1.3.1 滚动轴承的故障种类及其成因
1.3.2 滚动轴承信号采集方法
1.3.3 滚动轴承故障信号分析方法
1.3.4 滚动轴承故障诊断诊断方法
1.4 统计推断综述
1.4.1 基于频率统计推断
1.4.2 基于贝叶斯统计推断
1.5 滚动轴承故障诊断模型
1.6 本文的研究内容与结构
第2章 数据预处理及生成式模型统计研究
2.1 数据预处理技术
2.2 滚动轴承故障特征提取
2.3 滚动轴承故障特征筛选
2.4 滚动轴承故障特征统计分析
2.5 生成式诊断模型及统计推断
2.6 本章小结
第3章 基于Gibbs抽样轴承故障诊断方法
3.1 Gibbs抽样统计推断诊断模型
3.2 基于Gibbs抽样故障诊断方法
3.3 数据分析结果
3.3.1 美国凯斯西储大学轴承数据结果分析
3.3.2 中国铁路局机车轴承实测数据结果分析
3.4 算法与结果分析
3.5 本章小结
第4章 基于变分贝叶斯轴承故障诊断方法
4.1 变分贝叶斯统计推断诊断模型
4.2 基于变分贝叶斯故障诊断方法
4.3 数据分析结果
4.3.1 美国凯斯西储大学轴承数据结果分析
4.3.2 中国铁路局机车轴承实测数据结果分析
4.4 算法与结果分析
4.5 统计推断算法比较
4.6 本章小结
第5章 总结与展望
5.1 工作总结
5.2 未来展望
致谢
参考文献
在学期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]贝塔混合模型的变分贝叶斯学习及应用[J]. 赖裕平,高宁,何闻达,平原,杜春来,王宝成,丁洪伟. 电子学报. 2018(07)
[2]旋转机械故障诊断研究方法综述[J]. 苏乃权,熊建斌,张清华,黄崇林. 机床与液压. 2018(07)
[3]滚动轴承内外圈损伤对双盘转子响应特性影响分析[J]. 黄亚明,曹树谦. 振动与冲击. 2018(07)
[4]城市轨道交通车辆滚动轴承故障检测鉴别方法研究与综述[J]. 付江南,冯林杰,李博,林靖洵. 现代工业经济和信息化. 2018(04)
[5]基于ARM与多路温度采集技术的润滑系统研制[J]. 赵润,赵玉刚,宋严科. 机床与液压. 2018(02)
[6]基于变分原理选择法的一种改进[J]. 赵明亮. 数字技术与应用. 2018(01)
[7]机械故障诊断的信号处理方法:频域分析[J]. 赵宣铭. 时代农机. 2017(10)
[8]轴承振动信号采集分析系统设计与实现[J]. 李浩天,赵振刚,李英娜,许晓平,李川. 传感器与微系统. 2017(10)
[9]基于变分贝叶斯的数据分类算法[J]. 张文倩,王瑛,张红梅,宋增杰. 空军工程大学学报(自然科学版). 2017(02)
[10]改进K均值模拟退火聚类算法的滚动轴承故障诊断[J]. 姚立国,黄海松. 组合机床与自动化加工技术. 2017(04)
本文编号：3628371
【文章来源】：北京信息科技大学北京市
【文章页数】：56 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的背景及意义
1.2 发展综述
1.3 滚动轴承故障诊断技术研究现状
1.3.1 滚动轴承的故障种类及其成因
1.3.2 滚动轴承信号采集方法
1.3.3 滚动轴承故障信号分析方法
1.3.4 滚动轴承故障诊断诊断方法
1.4 统计推断综述
1.4.1 基于频率统计推断
1.4.2 基于贝叶斯统计推断
1.5 滚动轴承故障诊断模型
1.6 本文的研究内容与结构
第2章 数据预处理及生成式模型统计研究
2.1 数据预处理技术
2.2 滚动轴承故障特征提取
2.3 滚动轴承故障特征筛选
2.4 滚动轴承故障特征统计分析
2.5 生成式诊断模型及统计推断
2.6 本章小结
第3章 基于Gibbs抽样轴承故障诊断方法
3.1 Gibbs抽样统计推断诊断模型
3.2 基于Gibbs抽样故障诊断方法
3.3 数据分析结果
3.3.1 美国凯斯西储大学轴承数据结果分析
3.3.2 中国铁路局机车轴承实测数据结果分析
3.4 算法与结果分析
3.5 本章小结
第4章 基于变分贝叶斯轴承故障诊断方法
4.1 变分贝叶斯统计推断诊断模型
4.2 基于变分贝叶斯故障诊断方法
4.3 数据分析结果
4.3.1 美国凯斯西储大学轴承数据结果分析
4.3.2 中国铁路局机车轴承实测数据结果分析
4.4 算法与结果分析
4.5 统计推断算法比较
4.6 本章小结
第5章 总结与展望
5.1 工作总结
5.2 未来展望
致谢
参考文献
在学期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]贝塔混合模型的变分贝叶斯学习及应用[J]. 赖裕平,高宁,何闻达,平原,杜春来,王宝成,丁洪伟. 电子学报. 2018(07)
[2]旋转机械故障诊断研究方法综述[J]. 苏乃权,熊建斌,张清华,黄崇林. 机床与液压. 2018(07)
[3]滚动轴承内外圈损伤对双盘转子响应特性影响分析[J]. 黄亚明,曹树谦. 振动与冲击. 2018(07)
[4]城市轨道交通车辆滚动轴承故障检测鉴别方法研究与综述[J]. 付江南,冯林杰,李博,林靖洵. 现代工业经济和信息化. 2018(04)
[5]基于ARM与多路温度采集技术的润滑系统研制[J]. 赵润,赵玉刚,宋严科. 机床与液压. 2018(02)
[6]基于变分原理选择法的一种改进[J]. 赵明亮. 数字技术与应用. 2018(01)
[7]机械故障诊断的信号处理方法:频域分析[J]. 赵宣铭. 时代农机. 2017(10)
[8]轴承振动信号采集分析系统设计与实现[J]. 李浩天,赵振刚,李英娜,许晓平,李川. 传感器与微系统. 2017(10)
[9]基于变分贝叶斯的数据分类算法[J]. 张文倩,王瑛,张红梅,宋增杰. 空军工程大学学报(自然科学版). 2017(02)
[10]改进K均值模拟退火聚类算法的滚动轴承故障诊断[J]. 姚立国,黄海松. 组合机床与自动化加工技术. 2017(04)
本文编号：3628371
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3628371.html
