【摘要】：故障診斷是視情維修的重要內(nèi)容,通過監(jiān)測、處理和學(xué)習(xí)設(shè)備運行過程中產(chǎn)生的狀態(tài)監(jiān)測信息,提取監(jiān)測數(shù)據(jù)中隱含的故障相關(guān)的特征并建立特征與狀態(tài)之間非線性聯(lián)系,可以達到故障檢測、故障分離和故障識別三個目標(biāo),以實現(xiàn)對設(shè)備不同健康狀態(tài),包含故障類型、故障位置和故障程度的判斷,從而及時發(fā)現(xiàn)設(shè)備退化過程中的早期故障,并做出合理的維修決策,提高系統(tǒng)的可靠性,降低維護成本。隨著傳感器、狀態(tài)監(jiān)測等技術(shù)的發(fā)展,設(shè)備在運行過程中儲存了大量包含豐富特征信息的實時狀態(tài)監(jiān)測數(shù)據(jù)。深度學(xué)習(xí)的方法具有較好的大數(shù)據(jù)處理能力和特征學(xué)習(xí)能力,可用于具有大量監(jiān)測數(shù)據(jù)的故障診斷問題中。因此,本文將采用深度學(xué)習(xí)中深度信念網(wǎng)絡(luò)的方法,用機械零部件的狀態(tài)監(jiān)測數(shù)據(jù)來訓(xùn)練建立的深度信念網(wǎng)絡(luò)模型,實現(xiàn)故障診斷。本文以滾動軸承為研究對象,探索深度信念網(wǎng)絡(luò)在機械零部件故障診斷上的應(yīng)用。首先分析軸承的狀態(tài)監(jiān)測方法和故障類型,并以美國凱斯西儲大學(xué)軸承振動數(shù)據(jù)為原始信號用于故障診斷方法的研究和分析。然后,根據(jù)原始信號的采樣頻率、采樣長度等確定的樣本輸入數(shù)據(jù)長度,對原始信號進行截斷處理,形成指定長度的樣本輸入數(shù)據(jù)。同時,根據(jù)故障診斷的研究目的和研究對象的故障類型以及故障深度,設(shè)置信號包含的故障類別,并對應(yīng)每個樣本的故障類別,設(shè)置樣本的標(biāo)準(zhǔn)輸出數(shù)據(jù)。隨后,在形成樣本的基礎(chǔ)上,對數(shù)據(jù)進行頻域轉(zhuǎn)換和歸一化處理,再根據(jù)樣本輸入數(shù)據(jù)長度和設(shè)置的故障類別數(shù)建立和訓(xùn)練相應(yīng)的DBN模型,并通過多個性能指標(biāo)對模型進行評估。接著,根據(jù)隱含層神經(jīng)元節(jié)點數(shù)不同設(shè)置多個隱含層組合,通過對比分析,確定用于本文所解決問題的DBN模型的最佳隱含層組合。最后,對DBN模型進行傳感器位置敏感性分析和外圈故障位置敏感性分析,為狀態(tài)監(jiān)測數(shù)據(jù)的采集提供一定的指導(dǎo),并用該方法進一步識別不同的外圈故障位置。
【圖文】：

圖１－２論文結(jié)構(gòu)框架圖逡逑Ｆｉｇｕｒｅ邋１－２邋Ｔｈｅｓｉｓ邋ａｒｃｈｉｔｅｃｔｕｒｅ邋ｄｉａｇｒａｍ逡逑論文共分為五個章節(jié)，其中第三章為本文重點內(nèi)容，以軸承為研宄對象，深度信念網(wǎng)絡(luò)為主要研宄方法來建立故障診斷模型和模型性能的評估。第二章三章和第四章研宄做了鋪墊，通過對包含多種健康狀態(tài)，復(fù)雜的原始數(shù)據(jù)進組、樣本數(shù)據(jù)轉(zhuǎn)換等處理，使其能夠用于后續(xù)的研宄中。第四章為對該方法ａ逡逑

子故障、轉(zhuǎn)子故障和軸承故障。根據(jù)ＩＥＥＥ電機可靠性工作組的研究，軸承故障是逡逑電機故障的最主要的原因，占所有故障的４１％，其次是定子故障和轉(zhuǎn)子故障［５１］，逡逑如圖２－１所示。逡逑圖２－１電機故障原因逡逑Ｆｉｇｕｒｅ邋２－１邋Ｔｈｅ邋ｒｅａｓｏｎ邋ｆｏｒ邋ｍｏｔｏｒ邋ｆａｕｌｔ逡逑由圖可知，，軸承故障是導(dǎo)致電機故障的重要原因。并且軸承也是電機重要的逡逑機械元件之一，因此，軸承的任何故障都可能導(dǎo)致電機的失效，從而造成生產(chǎn)和逡逑財產(chǎn)的損失。另一方面，軸承除了應(yīng)用在電機中以外，也在幾乎每個涉及旋轉(zhuǎn)和逡逑往復(fù)機械的工業(yè)過程中使用，起到支撐和旋轉(zhuǎn)機械中軸的作用。由此可知，軸承逡逑在工業(yè)過程中具有一定的重要性和常用性，對軸承進行實時的故障診斷，可以及逡逑時診斷軸承的早期故障并采取合理的維修策略，減少意外故障的發(fā)生。同時，通逡逑過提高軸承的可靠性能有效提高電機和其他工業(yè)過程的穩(wěn)定性和可靠性。因此，逡逑１４逡逑
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TH133.33

【相似文獻】

相關(guān)期刊論文 前10條

1 劉林凡;;深度學(xué)習(xí)在故障診斷中的研究綜述[J];新型工業(yè)化;2017年04期

2 何緒銅;;深度追問,促進學(xué)生深度思考——以人教版小學(xué)數(shù)學(xué)四年級下冊“觀察物體(二)”一課教學(xué)為例[J];小學(xué)教學(xué)參考;2016年35期

3 陳俠;;指導(dǎo)學(xué)生理性觀察的思考與實踐——以觀察生物器官為例[J];中學(xué)生物學(xué);2016年12期

4 孫學(xué)東;;一次函數(shù)圖象為什么是一條直線[J];中學(xué)數(shù)學(xué)雜志;2017年02期

5 馬振萍;;“深度學(xué)習(xí)”視角下《碳的單質(zhì)(課時1)》的教學(xué)[J];教育視界;2017年07期

6 濮姚良;;沐數(shù)學(xué)之光,享實驗之果[J];數(shù)學(xué)大世界(中旬);2017年08期

7 張云;呂景偉;;磨機減速機滾動軸承特征提取和故障診斷研究[J];水泥工程;2016年04期

8 高洪波;劉杰;李允公;;基于改進數(shù)學(xué)形態(tài)譜的齒輪箱軸承故障特征提取[J];振動工程學(xué)報;2015年05期

9 李開菊;鄭波盡;;淺談深度學(xué)習(xí)[J];軟件;2016年05期

10 李洪儒;王余奎;王冰;許葆華;李興林;;面向廣義數(shù)學(xué)形態(tài)顆粒特征的灰色馬爾科夫剩余壽命預(yù)測方法[J];振動工程學(xué)報;2015年02期

相關(guān)會議論文 前10條

1 張利;徐娟;張建軍;程龍;趙佛曉;;基于網(wǎng)格的遠程協(xié)同故障診斷資源管理模型研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

2 商斌梁;張振仁;;基于小波與遺傳算法的氣閥機構(gòu)的故障診斷[A];2001年中國智能自動化會議論文集（下冊）[C];2001年

3 李娟;;淺談泵站設(shè)備故障診斷問題[A];2009全國大型泵站更新改造研討暨新技術(shù)、新產(chǎn)品交流大會論文集[C];2009年

4 朱泉;;滾動軸承故障診斷的實用技巧[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

5 劉波;劉少華;姚國仲;申立中;;冗余電位器加速踏板故障診斷策略研究~[A];內(nèi)燃機科技（高校篇）——中國內(nèi)燃機學(xué)會第六屆青年學(xué)術(shù)年會論文集[C];2015年

6 王紀(jì)凱;王鵬;張啟彬;陳宗海;;激光數(shù)據(jù)特征提取與學(xué)習(xí)方法[A];第17屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集（17th CCSSTA 2016）[C];2016年

7 周曉凱;嚴普強;;基于小波分析的鐵路車輛滾動軸承不解體故障診斷新方法[A];第八屆和第九屆全國振動與噪聲技術(shù)交流會論文集[C];1995年

8 張彼德;;汽輪發(fā)電機組振動多故障診斷的神經(jīng)網(wǎng)絡(luò)方法研究[A];第八屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集摘要[C];2003年

9 魏偉勝;;γ射線故障診斷技術(shù)[A];中國化工學(xué)會2003年石油化工學(xué)術(shù)年會論文集[C];2003年

10 李鐵軍;趙海文;李慨;沈志忠;;基于多智能體的機電系統(tǒng)控制與故障診斷的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

相關(guān)重要報紙文章 前10條

1 武漢科技學(xué)院紡織服裝學(xué)院 林子務(wù);故障診斷中的數(shù)學(xué)概念[N];中國紡織報;2004年

2 邢小兵 記者 王瑤;我國首個航天器在軌故障診斷與維修實驗室成立[N];解放軍報;2014年

3 楊亞洲 邢小兵 記者 齊小英;航天器故障診斷與維修室在西安成立[N];陜西日報;2013年

4 李萍;濟鋼EAM離線網(wǎng)絡(luò)點檢和故障診斷管理系統(tǒng)開發(fā)應(yīng)用[N];世界金屬導(dǎo)報;2007年

5 ;點火系故障診斷[N];華夏時報;2001年

6 李繼光;鍘草機常見故障診斷及排除[N];云南科技報;2003年

7 何攻 何延青;與Windows 2003親密接觸之常見故障診斷[N];電腦報;2003年

8 記者馮競;“ B737飛機故障診斷與維修指導(dǎo)系統(tǒng)”開發(fā)成功[N];科技日報;2002年

9 宗樾;空調(diào)常見故障診斷[N];中國質(zhì)量報;2004年

10 秦夏 記者 王梅;旋轉(zhuǎn)機械遠程在線監(jiān)測及故障診斷中心落戶陜鼓[N];中國質(zhì)量報;2006年

相關(guān)博士學(xué)位論文 前10條

1 隋文濤;滾動軸承表面損傷故障的特征提取與診斷方法研究[D];山東大學(xué);2011年

2 熊慶;列車滾動軸承振動信號的特征提取及診斷方法研究[D];西南交通大學(xué);2015年

3 孟丹;基于深度學(xué)習(xí)的圖像分類方法研究[D];華東師范大學(xué);2017年

4 王奉濤;非平穩(wěn)信號故障特征提取與智能診斷方法的研究及應(yīng)用[D];大連理工大學(xué);2003年

5 錢華明;故障診斷與容錯技術(shù)及其在組合導(dǎo)航系統(tǒng)中的應(yīng)用研究[D];哈爾濱工程大學(xué);2004年

6 蔣麗英;基于FDA/DPLS方法的流程工業(yè)故障診斷研究[D];浙江大學(xué);2005年

7 韓彥嶺;面向復(fù)雜設(shè)備的遠程智能診斷技術(shù)及其應(yīng)用研究[D];上海大學(xué);2005年

8 張君;小波分析技術(shù)在汽輪機故障診斷中的應(yīng)用研究[D];華北電力大學(xué)（河北）;2005年

9 鄧學(xué)欣;開放式故障診斷構(gòu)架及動態(tài)測試分析方法研究[D];天津大學(xué);2004年

10 譚樹彬;軋機厚控系統(tǒng)狀態(tài)監(jiān)測與故障診斷的研究與應(yīng)用[D];東北大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 文紅權(quán);基于深度信念網(wǎng)絡(luò)的故障診斷研究[D];北京交通大學(xué);2018年

2 賀西;基于小波包和支持向量機的軸承故障診斷研究[D];遼寧工程技術(shù)大學(xué);2014年

3 單外平;基于深度信念網(wǎng)絡(luò)的變速器故障分類識別研究[D];華南理工大學(xué);2015年

4 吳武林;基于機器學(xué)習(xí)的滾動軸承智能診斷方法研究[D];江西理工大學(xué);2015年

5 席玉潔;離心泵故障診斷專家系統(tǒng)的應(yīng)用研究[D];北京化工大學(xué);2011年

6 金相君;低頻輻射源雜散特征提取及分類方法研究[D];南京航空航天大學(xué);2016年

7 段春宇;滾動軸承故障特征提取與診斷研究[D];石家莊鐵道大學(xué);2015年

8 馮振華;基于分形和支持向量機的機械設(shè)備故障診斷[D];太原理工大學(xué);2007年

9 尤曉菲;滾動軸承振動信號的特征提取與故障診斷研究[D];華北電力大學(xué)(北京);2017年

10 張晨罡;基于經(jīng)驗?zāi)B(tài)分解的滾動軸承故障診斷方法研究[D];鄭州大學(xué);2007年

本文編號：2658703