發(fā)布時(shí)間：2021-04-09 09:53

　　針對(duì)基于機(jī)器學(xué)習(xí)模型的故障診斷存在依賴人工特征提取質(zhì)量、維數(shù)災(zāi)難問(wèn)題和卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型構(gòu)建缺乏自適應(yīng)性等問(wèn)題,提出了一種基于粒子群優(yōu)化（PSO）算法的自適應(yīng)CNN故障診斷方法,并將其應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷。將一維時(shí)域信號(hào)變成二維時(shí)頻圖像;使用PSO算法對(duì)CNN模型中的7個(gè)關(guān)鍵參數(shù)進(jìn)行優(yōu)化選取,以構(gòu)建深度學(xué)習(xí)模型;將二維時(shí)頻圖像輸入優(yōu)化后的深度學(xué)習(xí)模型,對(duì)旋轉(zhuǎn)機(jī)械故障進(jìn)行診斷。結(jié)果表明,所提方法具有較高的準(zhǔn)確率、穩(wěn)定性和自適應(yīng)性。 

【文章來(lái)源】：振動(dòng)與沖擊. 2020,39(16)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

滾動(dòng)軸承故障模擬試驗(yàn)臺(tái)

卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典架構(gòu)

HHT-PSO-CNN方法的流程圖

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)多樣性特征提取與信息融合的行星齒輪箱故障診斷方法[J]. 金棋,王友仁,王俊.  中國(guó)機(jī)械工程. 2019(02)
[2]基于短時(shí)傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠(yuǎn)韜.  振動(dòng)與沖擊. 2018(19)
[3]一種基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)故障診斷方法[J]. 艾劍良,楊曦中.  中國(guó)科學(xué):技術(shù)科學(xué). 2018(03)
[4]基于變分模態(tài)分解和SVM的滾動(dòng)軸承故障診斷[J]. 王新,閆文源.  振動(dòng)與沖擊. 2017(18)
[5]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的連續(xù)語(yǔ)音識(shí)別[J]. 張晴晴,劉勇,潘接林,顏永紅.  工程科學(xué)學(xué)報(bào). 2015(09)
[7]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(cè)方法[J]. 雷亞國(guó),賈峰,周昕,林京.  機(jī)械工程學(xué)報(bào). 2015(21)
[8]基于LMD樣本熵與SVM的往復(fù)壓縮機(jī)故障診斷方法[J]. 鄒龍慶,陳桂娟,邢俊杰,姜楚豪.  噪聲與振動(dòng)控制. 2014(06)
[9]基于時(shí)間-小波能量譜熵的滾動(dòng)軸承故障診斷研究[J]. 唐貴基,鄧飛躍,何玉靈,王曉龍.  振動(dòng)與沖擊. 2014(07)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷算法研究[D]. 張偉.哈爾濱工業(yè)大學(xué) 2017



本文編號(hào)：3127413