基于GP-奇异谱分解时频图与CNN的旋转机械故障诊断方法

发布时间：2021-03-24 17:15

　　旋转机械是机械设备中的关键部件,其故障检测和诊断对机械设备的正常运转有着至关重要的作用。旋转机械的振动信号一般均是非线性非平稳信号,而现有的旋转机械故障诊断方法对于非平稳非线性信号的分析均存在着一定的缺陷,奇异谱分解方法（Singular Spectrum Decomposition,SSD）是一种针对非平稳非线性的信号处理方法,论文研究了该方法的基础理论和应用,提出了改进的奇异谱分解方法——GP-奇异谱分解方法（GP-Singular Spectrum Decomposition,GP-SSD）,并将其用于旋转机械的故障诊断。对于旋转机械变工况下的故障诊断,直接提取故障特征来进行诊断时对特征的选择要求很高。时频图是能同时反映机械振动信号中时域及频域信息的一种信息表达方式。因此,本文提出在时频图的基础上对旋转机械进行故障诊断,提出一种基于GP-奇异谱分解时频图的构造方法,并基于旋转机械振动信号特点提出了一种旋转机械CNN模型,将两者相结合应用在旋转机械变工况的故障诊断中。论文研究内容从以下几方面展开:（1）提出了GP-奇异谱分解方法。对于奇异谱分解方法中嵌入维数的选取缺乏理论支撑的缺点... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：94 页

【学位级别】：硕士

【部分图文】：

最左侧的矩阵代表一张图片，此图片即为卷积神经网络的输入层

卷积层过滤器结构

最大池化层前向传播示意图

【参考文献】：
期刊论文
[1]基于小波包模糊熵的往复压缩机轴承故障特征提取方法研究[J]. 赵海洋,韩辉,王金东,李颖.  噪声与振动控制. 2018(04)
[2]基于递归图纹理特征分析的可视化故障诊断方法[J]. 王旭,岳应娟,蔡艳平,郭雅云.  图学学报. 2017(06)
[3]柴油机气门故障特征提取方法研究[J]. 费红姿,张松娟,刘龙,李学民,马修真.  内燃机工程. 2016(02)
[4]基于流形学习和改进VPMCD的滚动轴承故障诊断方法[J]. 潘海洋,杨宇,李永国,程军圣.  振动工程学报. 2014(06)
[5]改进的希尔伯特-黄变换及其在滚动轴承故障诊断中的应用[J]. 郑近德,程军圣.  机械工程学报. 2015(01)
[6]基于广义解调平滑能量分离算法的瞬时频率估计[J]. 黄椒治,林慧斌,丁康.  振动工程学报. 2014(02)
[7]风力发电机组转子不对中故障诊断[J]. 隆军,吴金强.  噪声与振动控制. 2013(03)
[8]在线参数辨识的脉冲噪声有源控制[J]. 杨琴,周亚丽,张奇志.  噪声与振动控制. 2013(02)
[9]基于振动信号诊断齿轮断齿故障新方法[J]. 严作堂,陈宏.  机械传动. 2012(09)
[10]基于振动谱时频图像特征及SVM参数同步优化识别的内燃机故障诊断[J]. 蔡艳平,李艾华,何艳萍,王涛,王新军,冯国彦.  内燃机学报. 2012(04)

博士论文
[1]自适应最稀疏时频方法及其在旋转机械故障诊断中的应用[D]. 彭延峰.湖南大学 2017
[2]基于时频图像识别的旋转机械多特征融合故障诊断方法研究[D]. 王维刚.哈尔滨工业大学 2016
[3]自适应特征尺度分解方法及其在旋转机械故障诊断中的应用[D]. 吴占涛.湖南大学 2015
[4]基于形状索引特征的人脸检测和识别[D]. 陈栋.中国科学技术大学 2015
[5]局部均值分解方法及其在旋转机械故障诊断中的应用研究[D]. 张亢.湖南大学 2012
[6]基于改进支持向量机和纹理图像分析的旋转机械故障诊断[D]. 刘路.天津大学 2011
[7]旋转机械系统故障特征提取中的分形方法研究[D]. 赵玲.重庆大学 2010
[8]基于振动谱图像识别的故障诊断方法研究[D]. 林勇.浙江大学 2009
[9]基于Hilbert-Huang变换的旋转机械故障诊断方法研究[D]. 程军圣.湖南大学 2005

硕士论文
[1]变工况下的齿轮箱归一化特征参数提取及其故障诊断[D]. 王健.湖南大学 2018
[2]图像泊松去噪算法研究[D]. 张芳.杭州电子科技大学 2017
[3]基于红外热成像的电气设备故障诊断[D]. 刘一凡.河北农业大学 2014
[4]多变量预测模型在旋转机械故障诊断中的应用研究[D]. 潘海洋.湖南大学 2014
[5]基于特征提取的纹理图像分割[D]. 董昱威.长安大学 2014
[6]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012
[7]小波变换在轴承故障诊断中的研究与应用[D]. 姜绍俊.大连交通大学 2010



本文编号：3098081