【摘要】：滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械設(shè)備中不可或缺的關(guān)鍵部件,在整個(gè)設(shè)備的安全性能方面有著舉足輕重的地位。如果不能及時(shí)準(zhǔn)確地對(duì)滾動(dòng)軸承進(jìn)行定量評(píng)估,輕則設(shè)備停運(yùn),重則機(jī)毀人亡。因此實(shí)現(xiàn)滾動(dòng)軸承的多狀態(tài)評(píng)估有著十分重要的意義。為充分挖掘滾動(dòng)軸承振動(dòng)信號(hào)所包含的軸承運(yùn)行狀態(tài)的信息,論文對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)分別進(jìn)行淺層特征和深層特征提取。淺層特征主要包括時(shí)域、頻域和時(shí)-頻特征,深層特征基于深度學(xué)習(xí)理論下的稀疏自動(dòng)編碼器進(jìn)行自適應(yīng)提取。深層特征相比于淺層特征,可省去繁瑣的人工提取步驟并提高效率。為進(jìn)一步對(duì)比淺層特征與深層特征的優(yōu)缺點(diǎn),深入研究t分布隨機(jī)鄰域嵌入(t-SNE)算法在數(shù)據(jù)可視化方面的應(yīng)用。論文基于t-SNE算法將兩類特征進(jìn)行可視化,從直觀的角度將兩類特征進(jìn)行對(duì)比,結(jié)果表明深層特征更有利于滾動(dòng)軸承多狀態(tài)評(píng)估。此外,通過與其他降維方法作對(duì)比來驗(yàn)證t-SNE在可視化方面的優(yōu)越性。因超球支持向量機(jī)在處理數(shù)據(jù)異構(gòu)、樣本分布不均等問題上具有獨(dú)特優(yōu)勢(shì),論文將超球支持向量機(jī)作為分類模型,結(jié)合改進(jìn)后的決策策略,完成軸承多狀態(tài)的識(shí)別。同時(shí)利用遺傳算法完成模型中的參數(shù)尋優(yōu)。通過實(shí)驗(yàn)驗(yàn)證該方法的有效性。最后,為準(zhǔn)確掌握軸承的多種運(yùn)行狀態(tài),將深層特征作為超球支持向量機(jī)的輸入,用于滾動(dòng)軸承的多狀態(tài)評(píng)估。然后提出將各個(gè)狀態(tài)相對(duì)于正常狀態(tài)的衰退系數(shù)與相對(duì)補(bǔ)償距離相結(jié)合,構(gòu)造多狀態(tài)統(tǒng)一評(píng)估指標(biāo),實(shí)現(xiàn)對(duì)滾動(dòng)軸承多狀態(tài)的有效評(píng)估。
【圖文】：

是神經(jīng)網(wǎng)絡(luò)的一種，特點(diǎn)是讓輸出盡可能的還原器和解碼器兩部分組成，本質(zhì)上都是對(duì)輸入信號(hào)將高維空間中的數(shù)據(jù)轉(zhuǎn)換成低維空間中的編碼矢編碼器中給的編碼網(wǎng)絡(luò)實(shí)現(xiàn)的。解碼網(wǎng)絡(luò)相當(dāng)于將低維中的編碼矢量重構(gòu)，進(jìn)而得到原始的輸入碼器的編碼和解碼之間實(shí)現(xiàn)的[21]。在基本的自動(dòng) 后，在激活函數(shù)的作用下得到一個(gè)編碼結(jié)果 y。激，智者見智的過程，但在自動(dòng)編碼器中，通常選傳統(tǒng)的自動(dòng)編碼器分為 3 層，分別為輸入層、隱含編碼器的原理如公式(2-31)所示：y = f( x)=s(Wx+b)θtest +=11( )參數(shù)，θ={W ,b}，W 為 d’×d 的權(quán)重矩陣，b 為輸函數(shù)，如式(2-32)所示。圖 2-1 給出自動(dòng)編碼器的1~x

-16-基于稀疏自動(dòng)編碼器提g deep feature flow cha滾動(dòng)軸承深層特征狀態(tài)數(shù)據(jù)。選定不點(diǎn)的長(zhǎng)度。數(shù)據(jù)進(jìn)行 Fourier 變行網(wǎng)絡(luò)訓(xùn)練。碼器中每一層神經(jīng)
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TH133.33

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 雷亞國;賈峰;周昕;林京;;基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測(cè)方法[J];機(jī)械工程學(xué)報(bào);2015年21期

2 林少飛;盛惠興;李慶武;;基于堆疊稀疏自動(dòng)編碼器的手寫數(shù)字分類[J];微處理機(jī);2015年01期

3 劉勘;袁蘊(yùn)英;;基于自動(dòng)編碼器的短文本特征提取及聚類研究[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

4 康守強(qiáng);李祝強(qiáng);楊廣學(xué);王玉靜;;小波包-局部線性嵌入算法在滾動(dòng)軸承故障程度識(shí)別中的應(yīng)用[J];儀器儀表學(xué)報(bào);2014年03期

5 黃紫成;楊雅芳;;流行學(xué)習(xí)算法應(yīng)用于基因芯片數(shù)據(jù)分析[J];計(jì)算機(jī)時(shí)代;2013年11期

6 王宏超;陳進(jìn);董廣明;;基于補(bǔ)償距離評(píng)估-小波核PCA的滾動(dòng)軸承故障診斷[J];振動(dòng)與沖擊;2013年18期

7 李玉慶;王日新;徐敏強(qiáng);周瑞生;;針對(duì)滾動(dòng)體損傷的滾動(dòng)軸承損傷嚴(yán)重程度評(píng)估方法[J];振動(dòng)與沖擊;2013年18期

8 王玉靜;姜義成;康守強(qiáng);楊廣學(xué);陳艷娜;;基于優(yōu)化集合EMD的滾動(dòng)軸承故障位置及性能退化程度診斷方法[J];儀器儀表學(xué)報(bào);2013年08期

9 王國彪;何正嘉;陳雪峰;賴一楠;;機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J];機(jī)械工程學(xué)報(bào);2013年01期

10 苗學(xué)問;牛樅;楊云;韓磊;洪杰;;航空發(fā)動(dòng)機(jī)主軸承使用狀態(tài)壽命預(yù)測(cè)模型(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2012年02期

相關(guān)博士學(xué)位論文 前3條

1 黃光鑫;支持向量數(shù)據(jù)描述與支持向量機(jī)及其應(yīng)用[D];電子科技大學(xué);2011年

2 黃偉國;基于振動(dòng)信號(hào)特征提取與表達(dá)的旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷研究[D];中國科學(xué)技術(shù)大學(xué);2010年

3 郭磊;基于核模式分析方法的旋轉(zhuǎn)機(jī)械性能退化評(píng)估技術(shù)研究[D];上海交通大學(xué);2009年

相關(guān)碩士學(xué)位論文 前2條

1 張雨晨;基于改進(jìn)的SVM和t-SNE高速列車走行部故障診斷[D];西南交通大學(xué);2016年

2 楊慧斌;滾動(dòng)軸承故障診斷中的特征提取與選擇方法[D];湖南工業(yè)大學(xué);2011年

，

本文編號(hào)：2620127