轉(zhuǎn)子/轉(zhuǎn)軸系統(tǒng)作為旋轉(zhuǎn)機(jī)械重要的組成部分,在工作過程中因轉(zhuǎn)子/轉(zhuǎn)軸部分出現(xiàn)故障而導(dǎo)致旋轉(zhuǎn)機(jī)械設(shè)備發(fā)生故障的情況屢見不鮮,并且一旦重要機(jī)械設(shè)備出現(xiàn)故障,所造成的損失會(huì)非常嚴(yán)重,因此在轉(zhuǎn)子/轉(zhuǎn)軸系統(tǒng)故障發(fā)生之前通過及時(shí)檢測(cè)與診斷是避免或減小損失的重要途徑。針對(duì)目前旋轉(zhuǎn)機(jī)械轉(zhuǎn)子/轉(zhuǎn)軸系統(tǒng)故障診斷方法大多采用傳統(tǒng)淺層模型,對(duì)于數(shù)量較大的樣本處理能力有限的問題,提出了一種改進(jìn)的堆疊降噪自動(dòng)編碼器（SDAE）深度模型的故障診斷方法并對(duì)轉(zhuǎn)子/轉(zhuǎn)軸的典型故障進(jìn)行診斷。首先使用美國凱斯西儲(chǔ)大學(xué)公布的滾動(dòng)軸承故障數(shù)據(jù)對(duì)SDAE模型進(jìn)行了初步驗(yàn)證,然后利用美國SQI公司的機(jī)械故障綜合模擬試驗(yàn)臺(tái)模擬了相關(guān)的轉(zhuǎn)子/轉(zhuǎn)軸各類故障,并結(jié)合LabVIEW編寫的數(shù)據(jù)采集系統(tǒng)采集轉(zhuǎn)子/轉(zhuǎn)軸故障振動(dòng)信號(hào),最后利用SDAE模型對(duì)轉(zhuǎn)子/轉(zhuǎn)軸時(shí)域信號(hào)以及轉(zhuǎn)子/轉(zhuǎn)軸振動(dòng)數(shù)據(jù)的功率譜密度信號(hào)進(jìn)行了故障診斷,在訓(xùn)練SDAE模型時(shí)引入Dropout算法,并結(jié)合Softmax分類器進(jìn)行網(wǎng)絡(luò)訓(xùn)練與診斷。通過與傳統(tǒng)BP網(wǎng)絡(luò)、自動(dòng)編碼器（AE）和同屬深度學(xué)習(xí)算法的卷積神經(jīng)網(wǎng)絡(luò)（CNN）進(jìn)行對(duì)比,結(jié)果表明,改進(jìn)的SDAE方法對(duì)于轉(zhuǎn)子/轉(zhuǎn)軸故障識(shí)別... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

所示，試驗(yàn)中通過將磁力制動(dòng)器與直

【參考文獻(xiàn)】：
期刊論文
[1]基于局部自動(dòng)編碼器的手寫數(shù)字分類[J]. 盧海峰,衛(wèi)偉,陸慧娟.  小型微型計(jì)算機(jī)系統(tǒng). 2018(11)
[2]基于免疫堆疊降噪自編碼機(jī)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)識(shí)別[J]. 郝礦榮,原博煒,陳磊,丁永生.  控制與決策. 2018(04)
[3]基于堆疊稀疏自編碼的滾動(dòng)軸承故障診斷[J]. 侯榮濤,周子賢,趙曉平,謝陽陽,王麗華.  軸承. 2018(03)
[4]基于壓縮采集與深度學(xué)習(xí)的軸承故障診斷方法[J]. 溫江濤,閆常弘,孫潔娣,喬艷雷.  儀器儀表學(xué)報(bào). 2018(01)
[5]基于信息融合和CS-SVM的變壓器繞組變形故障診斷方法研究[J]. 甘錫淞,李云,傅成華,郭輝,楊亭榆.  電力系統(tǒng)保護(hù)與控制. 2018(01)
[6]基于深度學(xué)習(xí)理論的發(fā)動(dòng)機(jī)氣門機(jī)構(gòu)故障識(shí)別[J]. 周亦人,邱小林,郭志強(qiáng).  制造業(yè)自動(dòng)化. 2017(11)
[7]一種基于改進(jìn)堆棧自動(dòng)編碼器的航空發(fā)電機(jī)旋轉(zhuǎn)整流器故障特征提取方法[J]. 崔江,唐軍祥,龔春英,張卓然.  中國電機(jī)工程學(xué)報(bào). 2017(19)
[8]基于稀疏降噪自編碼器的深度置信網(wǎng)絡(luò)[J]. 曾安,張藝楠,潘丹,Xiao-Wei Song.  計(jì)算機(jī)應(yīng)用. 2017(09)
[9]基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)故障融合診斷[J]. 車暢暢,王華偉,倪曉梅,洪驥宇.  北京航空航天大學(xué)學(xué)報(bào). 2018(03)
[10]基于EMD-HMM的機(jī)床刀具磨損故障診斷[J]. 孫巍偉,黃民,高延.  機(jī)床與液壓. 2017(13)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的變速器故障分類識(shí)別研究[D]. 曾雪瓊.華南理工大學(xué) 2016
[2]基于深度信念網(wǎng)絡(luò)的變速器故障分類識(shí)別研究[D]. 單外平.華南理工大學(xué) 2015
[3]基于EEMD的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D]. 陳艷娜.哈爾濱理工大學(xué) 2013



本文編號(hào)：3509714