【摘要】：滾動軸承是大型機(jī)械設(shè)備的關(guān)鍵部件,這是因為滾動軸承的健康狀態(tài)會影響整個大型機(jī)械設(shè)備的安全運(yùn)轉(zhuǎn)。一旦滾動軸承發(fā)生故障,則可能會導(dǎo)致設(shè)備宕機(jī),帶來不可估量的經(jīng)濟(jì)損失甚至安全事故。然而,由于嚴(yán)苛的工作環(huán)境以及其他一些不可控制的因素,滾動軸承的失效概率高。因此,研究滾動軸承的故障診斷對保障設(shè)備性能和預(yù)防重大事故具有重大的工程價值和學(xué)術(shù)意義。隨著計算機(jī)軟硬件技術(shù)的發(fā)展,滾動軸承故障診斷越來越趨向于以人工智能技術(shù)為核心的智能診斷。然而,不管是傳統(tǒng)的智能診斷方法還是基于深度學(xué)習(xí)的智能診斷方法,基本上都采用了批量學(xué)習(xí)的方式。這種學(xué)習(xí)方式會浪費大量的時間和計算資源。鑒于此,本文提出了一種新的基于單類分類器和分類器組合的類別增量學(xué)習(xí)方法框架。并且在該框架的基礎(chǔ)上,圍繞定轉(zhuǎn)速和變轉(zhuǎn)速下的滾動軸承智能故障診斷問題開展了一些研究工作。本文的主要內(nèi)容及創(chuàng)新點如下:(1)為了解決定轉(zhuǎn)速下滾動軸承智能故障診斷問題,本文提出了兩種基于類別增量學(xué)習(xí)的故障診斷方法。第一個方法是基于支持向量數(shù)據(jù)描述理論,需要人工提取特征。它在訓(xùn)練樣本到超球體中心距離的基礎(chǔ)上構(gòu)建了一種支持函數(shù),該支持函數(shù)可以將多個類別下的支持向量數(shù)據(jù)描述模型組合用于滾動軸承多故障分類。第二個方法是基于降噪自動編碼器理論,能夠自動學(xué)習(xí)特征。它在訓(xùn)練樣本經(jīng)降噪自動編碼器重構(gòu)后的重構(gòu)誤差基礎(chǔ)上構(gòu)建了一種支持函數(shù),該支持函數(shù)可以將多個類別下的降噪自動編碼器組合用于滾動軸承多故障分類。在高速列車輪對軸承11種故障數(shù)據(jù)上的實驗結(jié)果驗證了所提出方法在診斷準(zhǔn)確率方面具有優(yōu)勢。(2)為了解決變轉(zhuǎn)速下滾動軸承智能故障診斷問題,本文也提出了兩種基于類別增量學(xué)習(xí)的故障診斷方法。這兩個方法分別是在(1)中所述兩個方法的基礎(chǔ)上,對其中數(shù)據(jù)預(yù)處理步驟加以修改。針對第一個方法,在數(shù)據(jù)預(yù)處理過程中增加了標(biāo)準(zhǔn)化和基于離散小波變換的信號分解兩個步驟,使其可以提取變轉(zhuǎn)速下的滾動軸承振動信號特征。針對第二個方法,在數(shù)據(jù)預(yù)處理過程中增加了標(biāo)準(zhǔn)化步驟,使其可以去除轉(zhuǎn)速變化對重構(gòu)誤差計算的影響。在機(jī)械故障綜合模擬實驗平臺采集的變轉(zhuǎn)速下4種軸承故障數(shù)據(jù)上的實驗結(jié)果驗證了所提出的方法在診斷準(zhǔn)確率方面具有優(yōu)勢。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TH133.33
【圖文】：

圖 1-2 功率 1-2MW 風(fēng)力發(fā)電機(jī)故障統(tǒng)計[8]據(jù)驅(qū)動的滾動軸承故障診斷研究現(xiàn)狀技的發(fā)展，旋轉(zhuǎn)機(jī)械設(shè)備正朝著復(fù)雜化和大型化等方向發(fā)展理參數(shù)與失效機(jī)理在不同的工況下相差較大，并且一些如數(shù)無法使用一般的傳感器直接測量。這些因素使得很難依建立精確的數(shù)學(xué)物理模型來表征滾動軸承的健康狀態(tài)[9, 10]技術(shù)和通信技術(shù)的發(fā)展，一般都會在旋轉(zhuǎn)機(jī)械設(shè)備的關(guān)鍵位的位置布置傳感器用來采集設(shè)備的狀態(tài)信號，這些狀態(tài)信度等。如何從這些狀態(tài)數(shù)據(jù)挖掘出與滾動軸承故障相關(guān)的信的故障診斷已經(jīng)成為目前滾動軸承故障診斷領(lǐng)域的研究熱據(jù)驅(qū)動的滾動軸承故障診斷技術(shù)是利用各種數(shù)據(jù)挖掘技術(shù)推理并得到相應(yīng)的數(shù)學(xué)模型，該模型反映了狀態(tài)監(jiān)測數(shù)據(jù)映射關(guān)系[12]。如圖 1-3 所示，基于數(shù)據(jù)驅(qū)動的滾動軸承故障

DNN4(150,50)結(jié)構(gòu)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林京;趙明;;變轉(zhuǎn)速下機(jī)械設(shè)備動態(tài)信號分析方法的回顧與展望[J];中國科學(xué):技術(shù)科學(xué);2015年07期

2 胥永剛;孟志鵬;陸明;;雙樹復(fù)小波包和ICA用于滾動軸承復(fù)合故障診斷[J];振動.測試與診斷;2015年03期

3 文波;單甘霖;段修生;;基于KKT條件與殼向量的增量學(xué)習(xí)算法研究[J];計算機(jī)科學(xué);2013年03期

4 秦玉平;陳一荻;王春立;王秀坤;;一種新的類增量學(xué)習(xí)方法[J];計算機(jī)工程與應(yīng)用;2011年34期

5 李晗;蕭德云;;基于數(shù)據(jù)驅(qū)動的故障診斷方法綜述[J];控制與決策;2011年01期

6 許麗;張進(jìn)明;張廣明;徒偉;;基于PCA的滾動軸承故障檢測方法[J];計算機(jī)仿真;2010年06期

7 秦玉平;王秀坤;王春立;;實現(xiàn)兼類樣本類增量學(xué)習(xí)的一種算法[J];控制與決策;2009年01期

8 陳斌;馮愛民;陳松燦;李斌;;基于單簇聚類的數(shù)據(jù)描述[J];計算機(jī)學(xué)報;2007年08期

9 曾文華,馬健;一種新的支持向量機(jī)增量學(xué)習(xí)算法[J];廈門大學(xué)學(xué)報(自然科學(xué)版);2002年06期

10 蕭嶸 ,王繼成 ,孫正興 ,張福炎;一種SVM增量學(xué)習(xí)算法α-ISVM[J];軟件學(xué)報;2001年12期

相關(guān)碩士學(xué)位論文 前1條

1 潘登;面向軌道車輛傳動系統(tǒng)的異常檢測方法及其在滾動軸承中的應(yīng)用[D];電子科技大學(xué);2015年

本文編號：2764717