滾動軸承作為旋轉(zhuǎn)機(jī)械結(jié)構(gòu)的主要部件,廣泛應(yīng)用于設(shè)備傳動系統(tǒng)中。為保證設(shè)備可靠運(yùn)轉(zhuǎn),對軸承故障及時準(zhǔn)確地診斷具有重要研究意義。目前基于時域振動信號,利用信號處理技術(shù)實現(xiàn)智能故障診斷是軸承狀態(tài)監(jiān)測的研究熱點(diǎn)。本文在壓縮感知(CS)和深度學(xué)習(xí)研究成果的基礎(chǔ)上,研究了壓縮采集分別與堆疊稀疏自編碼和稀疏濾波結(jié)合的兩種軸承智能故障診斷方法。首先,針對傳統(tǒng)軸承故障狀態(tài)監(jiān)測系統(tǒng)面臨海量數(shù)據(jù)的壓縮存儲、信號處理計算成本和通信信道帶寬需求增加等問題,研究了基于CS理論的軸承信號壓縮采集方法,該方法可以從源頭降低采集數(shù)據(jù)量,實現(xiàn)數(shù)據(jù)采集到信息采集的轉(zhuǎn)變。通過對壓縮觀測值故障信息有效采集的分析,得出壓縮采集能夠有效獲取并保留原信號的故障信息,為后續(xù)直接處理軸承振動壓縮采集數(shù)據(jù)提供理論支持。其次,針對傳統(tǒng)軸承故障診斷方法在處理海量數(shù)據(jù)時,存在特征提取效率低、主觀性強(qiáng)及過度依賴先驗知識等問題,提出了在不重構(gòu)原信號的前提下,結(jié)合深度神經(jīng)網(wǎng)絡(luò)(DNN)的軸承智能故障診斷方法。該方法首先構(gòu)建基于堆疊稀疏自編碼的DNN模型;然后利用該模型的特征挖掘能力,直接對高信息含量的壓縮觀測值完成自適應(yīng)的特征提取與故障診斷。實驗結(jié)果表明,所提方法與傳統(tǒng)軸承故障診斷方法相比,能夠?qū)Σ煌S承故障類型實現(xiàn)準(zhǔn)確有效的診斷識別。最后,針對DNN模型存在可調(diào)參數(shù)過多及訓(xùn)練時間復(fù)雜度高等問題,提出了結(jié)合稀疏濾波和特征降維的軸承智能故障診斷方法。該方法首先利用稀疏濾波模型對壓縮采集數(shù)據(jù)進(jìn)行特征提取;然后采用近鄰保持嵌入算法完成特征降維處理;最后利用分類器實現(xiàn)故障類型的識別與診斷。實驗結(jié)果表明,結(jié)合稀疏濾波和特征降維的方法可以有效的提升最終識別準(zhǔn)確率,且與結(jié)合DNN方法相比,能夠大幅降低模型訓(xùn)練時間與周期。
【學(xué)位單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TH133.3;TN911.7
【部分圖文】：

圖 2-2 壓縮感知壓縮采樣方法以信號稀疏性作為先驗條件的采樣理論，采用與稀疏基不相關(guān)觀測，即實現(xiàn)對被測信號的壓縮采集，最后利用重構(gòu)算法從為數(shù)號中還原初始信號。因此，可以說基于 CS 理論的壓縮采集實現(xiàn)采樣的轉(zhuǎn)變。故障信號的壓縮采集承信號的來源所采用的軸承振動數(shù)據(jù)來自于美國西儲大學(xué)軸承數(shù)據(jù)中心[52]，軸所示的實驗臺采集得到。該實驗臺是由左邊 3 馬力(Horsepower矩傳感器、右邊的功率計及在圖片中未顯示的電子控制臺。

第 2 章 基于壓縮感知的軸承信號采集方法研究信號處理相關(guān)理論可知時域沖擊信號具有較寬頻譜[54]。而且故障沖擊頻譜通常包含有軸承固有的振動頻率，因此在故障沖擊的作用下軸承會產(chǎn)生非常劇烈的共振現(xiàn)象，最終導(dǎo)致寬頻帶、高能量的中頻段的出現(xiàn)[55]。通過軸承振動信號的頻譜可發(fā)現(xiàn)，高頻段頻譜所占能量最低，通常包含一些高頻噪聲。

- 13 -a) DCT 分解系數(shù) b) WPT 分解系數(shù)圖 2-5 四種狀態(tài)的 DCT 系數(shù)及其 WPT 系數(shù)(1)正常狀態(tài)，(2)內(nèi)圈故障，(3)滾動體故障，(4)外圈故障在前面一部分中展示了軸承故障振動信號的頻譜，并對其頻譜成分及產(chǎn)生機(jī)理進(jìn)行了詳細(xì)分析與研究。與原始信號時域波形相比，盡管在頻域中以顯示出一定的
【參考文獻(xiàn)】

相關(guān)期刊論文 前7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)測方法[J];機(jī)械工程學(xué)報;2015年21期

2 王學(xué)偉;蘇丹;袁洪芳;王琳;;小波包多級樹模型管道泄漏信號壓縮感知方法[J];儀器儀表學(xué)報;2014年03期

3 李鑫;;小波分析在滾動軸承故障信號處理中的應(yīng)用[J];國外電子測量技術(shù);2013年06期

4 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學(xué)報;2011年07期

5 石文磊;陳興明;袁海龍;;基于EMD和Hilbert包絡(luò)譜的滾動軸承故障診斷[J];機(jī)械工程與自動化;2010年05期

6 陳雪峰;曹宏瑞;何正嘉;;數(shù)字化制造裝備的主軸服役性能監(jiān)測與診斷[J];機(jī)械工程學(xué)報;2009年05期

7 賈民平;楊建文;;滾動軸承振動的周期平穩(wěn)性分析及故障診斷[J];機(jī)械工程學(xué)報;2007年01期

本文編號：2889989