基于小波时频变换和可变形卷积神经网络的滚动轴承故障诊断

发布时间：2023-04-05 04:20

　　旋转机械在航天航海,交通运输,制造业等领域起着重要作用,滚动轴承是旋转机械中重要的、广泛应用的部件之一。轴承的运行状态往往决定了旋转机械工作的稳定性,异物进入、装配不适、润滑不足、过载等问题都会导致轴承提前失效,可能对旋转机械造成严重影响。针对滚动轴承进行监测故障诊断可以保障旋转机械运转状态良好,避免发生严重事故。因此,滚动轴承故障诊断已成为国内外的研讨热点问题,对现代工业的发展具备重要意义。传统的故障诊断方法主要为信号分析方法,但随着旋转机械的发展,信号组成成分逐渐复杂,依赖于人工提取特征的方法已不再适用。基于智能算法方法的故障诊断技术得益于大数据技术的发展,在许多方面已超越了信号分析方法,节约了许多资源,在识别率和稳定性方面均优于信号分析方法。因此,本文提出一种基于小波时频分析和可变形卷积神经网络的智能算法方法,运用到滚动轴承故障诊断中,平均准确率达到99.9%,获得了较好的成绩。首先,文章阐述了滚动轴承失效原因和故障类别,对于滚动轴承运转过程中引起的谐波分量进行了说明,分析了谐波分量对冲击分量的影响。根据谐波分量和冲击分量在频率上的区别,使用基于傅里叶字典的OMP算法去除掉谐波分...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 滚动轴承故障诊断研究现状
    1.3 时频分析研究现状
    1.4 卷积神经网络研究现状
    1.5 论文组织结构
    1.6 本章小结
第2章 滚动轴承振动产生的谐波分析和谐波去除
    2.1 滚动轴承基本结构和常见故障
    2.2 滚动轴承转动产生的谐波分析
        2.2.1 谐波产生原因
        2.2.2 谐波对冲击信号的影响
    2.3 谐波去除方法及实验
        2.3.1 谐波去除方法
        2.3.2 实验与结果分析
    2.4 本章小结
第3章 滚动轴承故障信号的时频分析
    3.1 基于短时傅里叶的时频分析
        3.1.1 短时傅里叶变换的基础理论
        3.1.2 参数选择原则
    3.2 基于小波变换的时频分析
        3.2.1 小波变换的基础理论
        3.2.2 母小波函数理论与实验选取
    3.3 谐波去除对时频分析结果的影响
    3.4 本章小结
第4章 卷积神经网络及改进方法
    4.1 卷积神经网络结构
        4.1.1 卷积层
        4.1.2 池化层
        4.1.3 全连接层
    4.2 卷积神经网络训练方法
        4.2.1 反向传播算法
        4.2.2 网络优化方法
            4.2.2.1 Dropout随机失活技术
            4.2.2.2 Adam参数优化算法
    4.3 可变形卷积神经网络
    4.4 本章小结
第5章 滚动轴承故障诊断实验与结果分析
    5.1 滚动轴承故障诊断实验流程
    5.2 数据集介绍、处理与分割
        5.2.1 数据集介绍
        5.2.2 时频图像数据集处理与分割
        5.2.3 时域特征数据集处理与分割
    5.3 卷积神经网络模型搭建
        5.3.1 传统卷积神经网络模型搭建
        5.3.2 可变形卷积神经网络模型搭建
    5.4 基于智能算法方法实验结果
    5.5 基于信号分析方法实验
        5.5.1 三种实验模型基础理论及搭建
            5.5.1.1 随机森林
            5.5.1.2 SVM支持向量机
            5.5.1.3 BP神经网络
        5.5.2 信号分析方法实验结果
    5.6 实验结果分析
    5.7 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 今后工作展望
参考文献
致谢



本文编号：3782715