發(fā)布時間：2017-12-19 01:15

  本文關(guān)鍵詞：基于VMD與分層極限學(xué)習(xí)機的滾動軸承故障診斷方法研究

  更多相關(guān)文章： 滾動軸承 變分模態(tài)分解 自動編碼器 極限學(xué)習(xí)機

【摘要】：針對滾動軸承信號的不規(guī)則特性,致使信號故障特征難提取及難以辨識的問題,為實現(xiàn)滾動軸承故障的智能診斷,提出基于VMD排列熵與分層極限學(xué)習(xí)機的滾動軸承故障診斷方法。首先將測得振動信號進行變分模態(tài)分解(Variational Mode Decomposition,VMD),利用排列熵進一步提取各模態(tài)特征組成高維特征向量集;其次利用自動編碼器(Automatic Encoder,AE)對極限學(xué)習(xí)機的隱含層進行分層,且使隱含層節(jié)點的輸入權(quán)值和閾值滿足正交條件;最后將構(gòu)建的特征向量作為H-ELM算法的輸入,通過訓(xùn)練建立H-ELM滾動軸承故障分類模型。實驗結(jié)果表明:H-ELM滾動軸承故障分類模型比SVM、ELM故障分類模型具有更高的精度、更強的穩(wěn)定性。
【作者單位】： 內(nèi)蒙古科技大學(xué)機械工程學(xué)院;
【基金】：國家自然科學(xué)基金(51565046) 內(nèi)蒙古自然科學(xué)基金(2015MS0512) 內(nèi)蒙古科技大學(xué)創(chuàng)新基金(2015QDL12)
【分類號】：TH133.33
【正文快照】： 0引言滾動軸承工作狀態(tài)正常與否直接關(guān)系著機械設(shè)備乃至整個系統(tǒng)的運行狀態(tài),因此需要對滾動軸承實施狀態(tài)嫉測和故障診斷[1]。但是由于加工工藝、工作環(huán)境等原因造成其信號非線性、非平穩(wěn)。而傳統(tǒng)的時頻域分析方法大多針對線性、穩(wěn)態(tài)信號的分析,因此難以精確、穩(wěn)定地識別軸承的

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 秦波;劉永亮;王建國;李文卿;;基于小波包與奇異值分解的GA-SVM滾動軸承故障診斷方法研究[J];機械設(shè)計與制造;2016年06期

2 黃勤芳;程艷;陳偉珍;;改進極限學(xué)習(xí)機在滾動軸承振動故障診斷中的應(yīng)用[J];機械設(shè)計與制造;2016年01期

3 張沛朋;郭飛燕;;基于PCA-SVM的滾動軸承故障診斷研究[J];組合機床與自動化加工技術(shù);2015年11期

4 鐘小倩;馬文科;宋萌萌;;基于GA和LM組合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法[J];組合機床與自動化加工技術(shù);2014年12期

5 鐘小鳳;賀德強;苗劍;;基于PCA-LSSVM的機車走行部滾動軸承故障診斷研究[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2014年02期

6 王杰;畢浩洋;;一種基于粒子群優(yōu)化的極限學(xué)習(xí)機[J];鄭州大學(xué)學(xué)報(理學(xué)版);2013年01期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張華;全桂軍;黃健;黃顯懷;閆升;劉沛然;劉航;田紀宇;;近紅外光譜和極限學(xué)習(xí)機分析反硝化除磷中胞內(nèi)聚合物[J];中國環(huán)境科學(xué);2017年05期

2 郝麗娜;王風(fēng)立;曹瑞珉;;基于多層超限學(xué)習(xí)機的滾動軸承故障診斷方法[J];科學(xué)技術(shù)與工程;2017年14期

3 王禮云;朱振伸;董瑞瑞;;基于主曲線的空氣懸浮顆粒物質(zhì)PM10的預(yù)測[J];平頂山學(xué)院學(xué)報;2017年02期

4 賀德強;陳二恒;李笑梅;劉旗揚;;基于RS-LSSVM的高速列車走行部滾動軸承故障診斷研究[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2017年02期

5 王露;邢宗義;陳雙;張永;;基于自動提取分段點的車輪外形輪廓擬合方法[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2017年02期

6 陳雙;邢宗義;王露;張永;;基于激光位移傳感器的城軌車輛輪對尺寸在線檢測技術(shù)[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2017年02期

7 秦波;孫國棟;王建國;;基于VMD與分層極限學(xué)習(xí)機的滾動軸承故障診斷方法研究[J];組合機床與自動化加工技術(shù);2017年04期

8 王禮云;朱振伸;董瑞瑞;;基于主曲線的空氣懸浮顆粒物質(zhì)PM10的預(yù)測[J];南陽理工學(xué)院學(xué)報;2017年02期

9 孟亞瓊;陸慧娟;嚴珂;關(guān)偉;;面向基因數(shù)據(jù)分類的AGA-ELM算法研究[J];中國計量大學(xué)學(xué)報;2017年01期

10 韓靜文;崔玉龍;辛博;張雅靜;;雙并行結(jié)構(gòu)優(yōu)化的極限學(xué)習(xí)機及其在回歸數(shù)據(jù)集中的應(yīng)用[J];內(nèi)蒙古大學(xué)學(xué)報(自然科學(xué)版);2017年02期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 秦波;吳慶朝;張娟娟;王建國;張文興;;基于PSO優(yōu)化SVM的轉(zhuǎn)爐煉鋼用氧量預(yù)測研究[J];測控技術(shù);2014年12期

2 夏均忠;蘇濤;王龍;張陽;冷永剛;;基于Hilbert譜奇異值的滾動軸承故障診斷[J];噪聲與振動控制;2014年05期

3 侯一民;孫嘉兵;張宇;陳艷虎;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)和Hilbert譜奇異值的滾動軸承故障診斷[J];組合機床與自動化加工技術(shù);2014年07期

4 肖順根;宋萌萌;;基于小波包能量神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法[J];機械強度;2014年03期

5 宋志杰;王健;;模糊聚類和LM算法改進BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J];高壓電器;2013年05期

6 郭陽明;冉從寶;姬昕禹;馬捷中;;基于組合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J];西北工業(yè)大學(xué)學(xué)報;2013年01期

7 楊陽;陶彩霞;張睿興;;遺傳算法優(yōu)化支持向量機的道岔控制電路故障診斷[J];計算機測量與控制;2013年01期

8 齊敏芳;付忠廣;景源;馬亞;;基于信息熵與主成分分析的火電機組綜合評價方法[J];中國電機工程學(xué)報;2013年02期

9 楊凱;陳建宏;;基于主成分分析與BP神經(jīng)網(wǎng)絡(luò)的沖擊地壓預(yù)測[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2012年05期

10 葉瑞召;李萬紅;;基于小波包分解和BP神經(jīng)網(wǎng)絡(luò)的軸承故障診斷[J];軸承;2012年10期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張益純,劉振娟;滾動軸承故障分析探討[J];內(nèi)燃機配件;2000年03期

2 秦愷,陳進,姜鳴,陳春梅;一種滾動軸承故障特征提取的新方法——譜相關(guān)密度[J];振動與沖擊;2001年01期

3 鄧長春;;聲發(fā)射法在滾動軸承故障識別中的應(yīng)用[J];試驗技術(shù)與試驗機;2002年Z2期

4 任昭蓉;滾動軸承故障的小波診斷法[J];機械制造與自動化;2004年06期

5 陸爽,田野;滾動軸承故障特征識別的時頻分析研究[J];機床與液壓;2005年06期

6 江涌;基于余弦調(diào)頻小波變換的滾動軸承故障研究[J];機械設(shè)計與制造;2005年06期

7 程光友;;時域指標在滾動軸承故障診斷中的應(yīng)用[J];中國設(shè)備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動軸承故障試驗臺的理論建模分析[J];四川理工學(xué)院學(xué)報(自然科學(xué)版);2005年04期

9 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

10 趙春華;嚴新平;趙新澤;袁成清;高虹亮;;滾動軸承故障的可拓物元診斷方法[J];潤滑與密封;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張益純;;常見滾動軸承故障診斷的技術(shù)探討[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

2 劉玉林;;貨車滾動軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴大鐵路對外開放、確保重點物資運輸——中國科協(xié)2005年學(xué)術(shù)年會鐵道分會場暨中國鐵道學(xué)會學(xué)術(shù)年會和粵海通道運營管理學(xué)術(shù)研討會論文集[C];2005年

3 楊積忠;左立建;;滾動軸承故障診斷實例[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動軸承故障診斷中的應(yīng)用[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

7 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術(shù)會議暨煉鐵年會文集（上冊）[C];2008年

8 李興林;;滾動軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會議論文集[C];2009年

9 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

10 高耀智;;高階統(tǒng)計量與小波分析相結(jié)合在滾動軸承故障診斷中的應(yīng)用[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 郝騰飛;航空發(fā)動機滾動軸承故障的核方法智能識別技術(shù)研究[D];南京航空航天大學(xué);2014年

2 廖強;約束獨立分量和多小波分析在滾動軸承故障診斷中的應(yīng)用[D];電子科技大學(xué);2016年

3 曾鳴;基于凸包的模式識別方法及其在滾動軸承故障診斷中的應(yīng)用[D];湖南大學(xué);2016年

4 于江林;滾動軸承故障的非接觸聲學(xué)檢測信號特性及重構(gòu)技術(shù)研究[D];大慶石油學(xué)院;2009年

5 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動軸承故障診斷方法的研究[D];東北林業(yè)大學(xué);2013年

6 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學(xué);2012年

7 趙協(xié)廣;基于小波變換和經(jīng)驗?zāi)B(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學(xué);2009年

8 侯者非;強噪聲背景下滾動軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2010年

9 郭艷平;面向風(fēng)力發(fā)電機組齒輪箱滾動軸承故障診斷的理論與方法研究[D];浙江大學(xué);2012年

10 孟濤;齒輪與滾動軸承故障的振動分析與診斷[D];西北工業(yè)大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李男;基于LMD樣本熵和貝葉斯網(wǎng)絡(luò)的滾動軸承故障診斷方法[D];燕山大學(xué);2015年

2 李玉奎;基于非平穩(wěn)信號分析的滾動軸承故障診斷研究[D];燕山大學(xué);2015年

3 卜勇霞;基于時頻分析方法的滾動軸承故障診斷研究[D];昆明理工大學(xué);2015年

4 馬寶;基于KICA和LSSVM的滾動軸承故障監(jiān)測及診斷方法[D];昆明理工大學(xué);2015年

5 馮春生;基于多源不確定信息融合的數(shù)控機床滾動軸承故障診斷方法與實驗研究[D];青島理工大學(xué);2015年

6 王天一;基于正交小波優(yōu)化閾值降噪方法的滾動軸承故障診斷研究[D];哈爾濱工業(yè)大學(xué);2015年

7 宋耀文;基于振動信號分析的滾動軸承故障特征提取與診斷研究[D];中國礦業(yè)大學(xué);2015年

8 韓一村;基于多傳感器的滾動軸承故障檢測研究[D];河南科技大學(xué);2015年

9 王秀娟;基于LMD的譜峭度算法在滾動軸承故障診斷中的應(yīng)用研究[D];電子科技大學(xué);2014年

10 段永強;局部均值分解法在滾動軸承故障自動診斷中的應(yīng)用研究[D];電子科技大學(xué);2015年

，

本文編號：1306331