【摘要】：當(dāng)今現(xiàn)代化生產(chǎn)中,機(jī)械設(shè)備故障診斷技術(shù)受到越來越多的關(guān)注,如果設(shè)備出現(xiàn)故障卻沒有被及時(shí)發(fā)現(xiàn)與排除,其結(jié)果不僅會(huì)使設(shè)備損壞,還會(huì)造成嚴(yán)重的經(jīng)濟(jì)損失甚至威脅人的生命安全。因此,機(jī)械設(shè)備故障診斷技術(shù)的研究具有非常重要的意義。本文首先對(duì)機(jī)械設(shè)備故障診斷技術(shù)的現(xiàn)狀進(jìn)行調(diào)研,并對(duì)故障診斷領(lǐng)域中故障機(jī)理、振動(dòng)信號(hào)特征提取技術(shù)及智能故障診斷方法進(jìn)行研究,然后針對(duì)機(jī)械設(shè)備振動(dòng)信號(hào)提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解算法與孿生神經(jīng)網(wǎng)絡(luò)算法結(jié)合的故障診斷方法。該方法對(duì)機(jī)械設(shè)備各狀態(tài)振動(dòng)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解,選取包含主要故障信息的本征模態(tài)函數(shù)分量并提取能量特征,將能量特征輸入到孿生神經(jīng)網(wǎng)絡(luò)中,實(shí)現(xiàn)機(jī)械故障診斷識(shí)別。為使孿生神經(jīng)網(wǎng)絡(luò)模型更好適應(yīng)故障診斷問題,本文對(duì)孿生神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和決策過程進(jìn)行了改進(jìn)。最后通過使用凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)中心的滾動(dòng)軸承公開數(shù)據(jù)集對(duì)本文提出的模型進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,本文提出的基于深度神經(jīng)網(wǎng)絡(luò)故障診斷模型可以在使用少量訓(xùn)練樣本的情況下,對(duì)滾動(dòng)軸承故障進(jìn)行有效識(shí)別。
【圖文】：

圖１－１故障診斷方法圖逡逑基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法不需要考慮機(jī)械設(shè)備的物理結(jié)構(gòu)，只需根據(jù)器采集到的數(shù)據(jù)就可以進(jìn)行故障分析和診斷ｆ３１］。近年來，人工智能技術(shù)得速發(fā)展，各種各樣的人工智能算法被運(yùn)用到了各個(gè)領(lǐng)域，并取得了良好成于數(shù)據(jù)驅(qū)動(dòng)的人工智能診斷方法克服傳統(tǒng)基于分析模型和定性模型的故障方法的局限性，在各種機(jī)械設(shè)備的故障診斷系統(tǒng)中已被廣泛應(yīng)用。逡逑隨著計(jì)算機(jī)技術(shù)和智能算法的發(fā)展，，人工智能理論和方法在故障診斷領(lǐng)域到廣泛的應(yīng)用。發(fā)展人工智能故障診斷技術(shù)是解決故障診斷問題的一條全新徑。人工智能診斷技術(shù)是因現(xiàn)代工程發(fā)展實(shí)際需要從數(shù)學(xué)中衍生的一種集諸代學(xué)科技術(shù)與一體的綜合性學(xué)科。人工智能診斷技術(shù)的發(fā)展與其他相關(guān)學(xué)科展緊密相關(guān)，該技術(shù)為了自身發(fā)展可以及時(shí)吸取最先進(jìn)的成果和方法。國內(nèi)斷技術(shù)發(fā)展和使用現(xiàn)狀表明，智能診斷技術(shù)在大型復(fù)雜系統(tǒng)和非線性系統(tǒng)中用表現(xiàn)卓越。諸如專家系統(tǒng)、模糊邏輯算法、遺傳算法、神經(jīng)網(wǎng)絡(luò)等，這些技術(shù)具備針對(duì)環(huán)雜與不出準(zhǔn)的，破

Ａ３邐Ｄ３逡逑圖３－１三層分辨率分析示意圖逡逑小包波分解是在小波分解只對(duì)信號(hào)低頻進(jìn)行分解的基礎(chǔ)上對(duì)信號(hào)高頻部分逡逑也進(jìn)行了分解，如圖３－２所示。設(shè)信號(hào)ｘ〔ｔ）第ｉ層分解的低頻部分為＝逡逑１，２，邋．．．，２Ｗ），高頻部分為木，其中ＡＴ為分解層數(shù)。則原始信號(hào)分解結(jié)果為：逡逑ｘ（ｔ）邋＝邋Ｅ邋￡邋ａｔ邋＋邋ｄｉ邐（３－１７）逡逑ｓ逡逑邐邋Ｉ邋邐逡逑Ｉ邋＇邐＇邋ｌ逡逑Ａｙ邐Ｄｔ逡逑￣￣Ｉ￣邐￣￣Ｉ￣￣逡逑Ｔ￣￣；邐，￣￣１邐Ｉ￣邐￣￣；逡逑ＡＡ２邐Ａ0２邐ＤＡ２邐ＤＤ２逡逑■邐…」ｔ邐「．邋Ｌ－邋，邐ｉ邐—ｉ逡逑１邐＼邐１邐ｌ邐１邐￣—ｌ邐ｉ邐？邋￣？邋￣￣＼逡逑ＡＡＡ３邐ＡＡＤ３邐ＡＤＡ３邐ＡＤＤ３邐ＤＡＡ３邐ＤＡＤｊ邋Ｉ邋ｄｄａ３邐ｄｄｄ３逡逑圖３－２小波包分析示意圖逡逑使用小波包算法并選擇ｄｂ３基函數(shù)對(duì)振動(dòng)信號(hào)進(jìn)行三層小波包分解。以滾逡逑動(dòng)軸承無負(fù)載狀態(tài)下滾動(dòng)體故障信號(hào)為例
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 陳曉燕;;淺析簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡(jiǎn)單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國際學(xué)術(shù)動(dòng)態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

8 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2620821