【摘要】：滾動軸承作為旋轉(zhuǎn)機(jī)械的基礎(chǔ)部件,廣泛應(yīng)用于工程機(jī)械、航空航天、高鐵動車等重要領(lǐng)域。建立可靠的健康狀態(tài)檢測系統(tǒng),是保證旋轉(zhuǎn)機(jī)械在工業(yè)過程中平穩(wěn)運(yùn)行的關(guān)鍵。在實(shí)際工程應(yīng)用中,滾動軸承往往工作在負(fù)載與轉(zhuǎn)速變化的條件下,由于其運(yùn)行狀態(tài)復(fù)雜多變,產(chǎn)生的振動信號特征分布差異性較大?而基于信號處理的特征提取結(jié)合分類器的傳統(tǒng)智能診斷方法,過于依賴專家經(jīng)驗(yàn)和先驗(yàn)知識,無法滿足變工況條件下,滾動軸承振動信號特征提取與故障識別的要求。因此,針對該問題提出了一種基于深度學(xué)習(xí)的端到端的滾動軸承故障診斷方法,實(shí)現(xiàn)從原始信號到分類結(jié)果的直接映射?首先,通過卷積神經(jīng)網(wǎng)絡(luò)(CNN)將振動數(shù)據(jù)映射到非線性空間域,從大量原始信號中挖掘與軸承運(yùn)行狀態(tài)相關(guān)的信息。利用CNN對輸入信號的微小位移、縮放具有不變性的特點(diǎn),自適應(yīng)提取變工況下滾動軸承故障特征。其次,針對不同工況下的軸承振動信號表現(xiàn)形式具有差異性,且故障發(fā)生時信號的局部突變性特點(diǎn),提出將注意力機(jī)制思想融入CNN結(jié)構(gòu)中,建立特征通道之間的依賴關(guān)系,更好地推理不同表現(xiàn)形式數(shù)據(jù)之間的關(guān)聯(lián)性,進(jìn)一步提高變工況下軸承振動特征的敏感性。最后,利用數(shù)據(jù)增強(qiáng)方法獲得更加豐富多樣的訓(xùn)練樣本,使提出的深度神經(jīng)網(wǎng)絡(luò)得到更充分的學(xué)習(xí),有效避免過擬合?通過進(jìn)一步分析振動信號的特點(diǎn),為了學(xué)習(xí)到對信號位移具有不變性的特征,設(shè)計(jì)了注意力機(jī)制CNN模型中超參數(shù)的選擇方案,降低故障診斷算法的設(shè)計(jì)難度。實(shí)驗(yàn)表明,所提基于注意力機(jī)制CNN故障診斷模型可實(shí)現(xiàn)變工況下的滾動軸承多狀態(tài)識別與分類,與其他方法相比,其可獲得更高的準(zhǔn)確率。
【圖文】：

圖 2-5 編碼器-解碼器基本結(jié)構(gòu)Fig. 2-5 Basic structure of encoder-decoder mxxYy,y-,,,212 編碼器解碼器器就是對輸入序列進(jìn)行編碼，實(shí)現(xiàn)非線

加入注意力機(jī)制模型的編碼器—解碼器基本結(jié)構(gòu)ture of encoder-decoder incorporating attention mechanism的實(shí)現(xiàn)過程總體可分為兩部分：注意力權(quán)重生成)與(2-11)所示：a h X Z a Z力機(jī)制網(wǎng)絡(luò)，其生成注意力權(quán)重向量 a，利用神征向量 Z，，將注意力權(quán)重 a 與 Z 相乘。T 是一種思想，而不是某種模型的實(shí)現(xiàn)，因此它身并不依賴于特定框架[54]。因此將注意力機(jī)制從，進(jìn)一步分析注意力機(jī)制的原理。理特征信息表示為X1:N= [x1，x2，…，xN]，i=1，
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TH133.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 屈強(qiáng);尉寶元;;197726型滾動軸承故障產(chǎn)生原因及對策[J];京鐵科技通訊(太原刊);2002年01期

2 陳松;陳立愛;;經(jīng)驗(yàn)?zāi)B(tài)分解和神經(jīng)網(wǎng)絡(luò)在滾動軸承故障診斷中應(yīng)用研究[J];安徽建筑大學(xué)學(xué)報(bào);2016年04期

3 倪安福;;基于包絡(luò)譜分析的滾動軸承故障診斷方法研究[J];煤礦機(jī)械;2017年02期

4 秦波;孫國棟;陳帥;王祖達(dá);王建國;;排列熵與核極限學(xué)習(xí)機(jī)在滾動軸承故障診斷中的應(yīng)用[J];組合機(jī)床與自動化加工技術(shù);2017年02期

5 李衛(wèi);;非平穩(wěn)工況的滾動軸承故障特征研究新方法[J];機(jī)械設(shè)計(jì)與研究;2017年01期

6 汪治安;夏均忠;但佳壁;于明奇;呂麒鵬;;循環(huán)平穩(wěn)在滾動軸承故障診斷中的應(yīng)用[J];軍事交通學(xué)院學(xué)報(bào);2017年06期

7 陳慧;胡俊鋒;熊國良;;基于小波包分解與權(quán)重包絡(luò)譜的滾動軸承故障特征增強(qiáng)[J];機(jī)械設(shè)計(jì)與研究;2017年03期

8 陳雷;;滾動軸承故障診斷實(shí)例[J];設(shè)備管理與維修;2016年10期

9 楊康鵬;;一種改進(jìn)的滾動軸承故障診斷方法[J];機(jī)械制造;2012年05期

10 蔣康保;;神經(jīng)網(wǎng)絡(luò)在滾動軸承故障診斷中的應(yīng)用[J];裝備制造技術(shù);2010年01期

相關(guān)會議論文 前10條

1 崔寶珍;王澤兵;潘宏俠;;小波包分析和模糊聚類方法在滾動軸承故障診斷中應(yīng)用[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

2 和衛(wèi)星;陳曉平;馬東玲;;基于混沌時間序列的滾動軸承故障局部預(yù)測[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

3 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

4 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

5 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

6 崔寶珍;王澤兵;潘宏俠;;小波包分析和模糊聚類方法在滾動軸承故障診斷中的應(yīng)用[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

7 閔勇;郭一楠;閆俊榮;;基于貪心算法的滾動軸承故障診斷特征提取[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 楊積忠;左立建;;滾動軸承故障診斷實(shí)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

9 古瑩奎;楊子茜;朱繁龍;;基于主成分分析的滾動軸承故障特征融合分析[A];2014年全國機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會暨可靠性工程分會第五屆委員會成立大會論文集[C];2014年

10 王俊鋒;申永軍;;高階統(tǒng)計(jì)量在滾動軸承故障診斷中的應(yīng)用研究[A];第十四屆全國非線性振動暨第十一屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議摘要集與會議議程[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 池永為;滾動軸承故障的振動特性分析與智能診斷方法研究[D];浙江大學(xué);2018年

2 王洪偉;航空發(fā)動機(jī)滾動軸承故障診斷與預(yù)測關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2015年

3 葛慧敏;車輛滾動軸承故障診斷建模及關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2017年

4 廖強(qiáng);約束獨(dú)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

5 王聰;基于稀疏表達(dá)的機(jī)械信號處理方法及其在滾動軸承故障診新中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2017年

6 徐劍;基于短時奇異譜分析的滾動軸承故障診斷方法研究[D];浙江大學(xué);2017年

7 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

8 郝騰飛;航空發(fā)動機(jī)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

9 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

10 Ao Hung Linh（池雄嶺）;基于化學(xué)反應(yīng)優(yōu)化算法和支持向量機(jī)的滾動軸承故障診斷方法研究[D];湖南大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 汪一飛;基于全矢CEEMD的滾動軸承故障診斷研究[D];鄭州大學(xué);2019年

2 梁寧;基于分形幾何的滾動軸承故障診斷方法研究[D];北京郵電大學(xué);2019年

3 葛紅平;基于自適應(yīng)局部迭代濾波的滾動軸承故障診斷研究[D];南昌航空大學(xué);2019年

4 梁珊;基于深度信念網(wǎng)絡(luò)的滾動軸承故障診斷研究[D];南昌航空大學(xué);2019年

5 呂嘉良;分?jǐn)?shù)階傅里葉變換在滾動軸承故障診斷中的應(yīng)用[D];哈爾濱理工大學(xué);2019年

6 李藝偉;基于改進(jìn)CNN的變工況下滾動軸承故障診斷方法研究[D];哈爾濱理工大學(xué);2019年

7 胡明武;基于遷移學(xué)習(xí)的變工況下滾動軸承故障診斷方法研究[D];哈爾濱理工大學(xué);2019年

8 馬華鑫;偏最小二乘法極限學(xué)習(xí)機(jī)的滾動軸承故障預(yù)測[D];哈爾濱理工大學(xué);2019年

9 付培英;基于深度學(xué)習(xí)的滾動軸承故障信號自動分類算法研究[D];天津工業(yè)大學(xué);2019年

10 杜小磊;基于深度學(xué)習(xí)的滾動軸承故障診斷方法[D];北京建筑大學(xué);2019年

本文編號：2692995