滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械安全、可靠運(yùn)行的關(guān)鍵零部件。滾動(dòng)軸承出現(xiàn)故障將嚴(yán)重影響設(shè)備使用壽命及生產(chǎn)效率。針對軸承等旋轉(zhuǎn)機(jī)械故障頻發(fā)部件,開展故障趨勢及剩余壽命預(yù)測可顯著降低設(shè)備維護(hù)成本,提高企業(yè)管理水平,避免重大生產(chǎn)事故,實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械由“事后維修”到“預(yù)知維修”的轉(zhuǎn)變。因此,本文的研究具有極大的理論與工程實(shí)踐意義。本論文以振動(dòng)信號(hào)時(shí)域特征為基礎(chǔ),圍繞深度學(xué)習(xí)理論及時(shí)間序列分析技術(shù)開展了基于稀疏編碼的滾動(dòng)軸承故障預(yù)測方法研究。首先,在綜述了各類故障預(yù)測技術(shù)的基礎(chǔ)上,強(qiáng)調(diào)了基于數(shù)據(jù)驅(qū)動(dòng)的方法在故障預(yù)測上的優(yōu)勢,并對比分析了傳統(tǒng)機(jī)器學(xué)習(xí)方法中的基于Bagging的決策樹預(yù)測方法和基于粒子群的支持向量回歸預(yù)測方法對時(shí)域特征的預(yù)測性能。研究發(fā)現(xiàn)兩種機(jī)器學(xué)習(xí)方法需要繁瑣的多參數(shù)調(diào)優(yōu),并且魯棒性和預(yù)測精度有待提高。其次,針對機(jī)器學(xué)習(xí)方法在軸承故障預(yù)測上的不足,采用最新的深度學(xué)習(xí)方法對軸承故障進(jìn)行預(yù)測,并著重介紹了深度學(xué)習(xí)中稀疏編碼方法。該方法通過無監(jiān)督字典學(xué)習(xí)與系數(shù)求解的重復(fù)迭代,深入挖掘數(shù)據(jù)內(nèi)部信息,對信號(hào)稀疏重構(gòu),有效減少數(shù)據(jù)本身的冗余信息。通過與自回歸模型結(jié)合能夠在少量參數(shù)調(diào)優(yōu)的情況下做到對數(shù)據(jù)的高效...

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    §1.1 課題研究背景和意義
    §1.2 旋轉(zhuǎn)機(jī)械故障預(yù)測技術(shù)國內(nèi)外研究概述
        §1.2.1 旋轉(zhuǎn)機(jī)械故障預(yù)測方法概述
        §1.2.2 國內(nèi)外研究歷史概述
        §1.2.3 國內(nèi)外研究現(xiàn)狀概述
    §1.3 深度學(xué)習(xí)理論概述
    §1.4 課題來源
    §1.5 論文主要內(nèi)容與章節(jié)安排
第二章 機(jī)器學(xué)習(xí)方法在故障預(yù)測中的應(yīng)用
    §2.1 基于決策樹的故障預(yù)測方法
        §2.1.1 決策樹基本原理
        §2.1.2 基于Bagging的決策樹預(yù)測方法
    §2.2 基于支持向量機(jī)的故障預(yù)測方法
        §2.2.1 SVM理論介紹
        §2.2.2 基于粒子群的SVR預(yù)測方法
    §2.3 時(shí)域特征參數(shù)提取
    §2.4 機(jī)械故障預(yù)測實(shí)例分析
        §2.4.1 試驗(yàn)臺(tái)及數(shù)據(jù)說明
        §2.4.2 基于bagging的決策樹預(yù)測結(jié)果
        §2.4.3 基于PSO-SVR預(yù)測結(jié)果
    §2.5 本章小結(jié)
第三章 權(quán)重約束稀疏編碼方法及在軸承故障預(yù)測中的應(yīng)用
    §3.1 稀疏編碼
        §3.1.1 稀疏編碼概述
        §3.1.2 稀疏編碼的數(shù)學(xué)解釋
    §3.2 基于稀疏編碼的故障預(yù)測方法
        §3.2.1 構(gòu)建過完備字典
        §3.2.2 L₁范數(shù)正則化
        §3.2.3 稀疏優(yōu)化約束
        §3.2.4 稀疏自回歸預(yù)測模型
    §3.3 權(quán)重約束稀疏編碼預(yù)測方法
    §3.4 實(shí)驗(yàn)驗(yàn)證
        §3.4.1 SNNE故障預(yù)測結(jié)果
        §3.4.2 WCSC故障預(yù)測分析
    §3.5 稀疏編碼方法與機(jī)器學(xué)習(xí)方法的對比研究
    §3.6 本章小結(jié)
第四章 分層深度稀疏編碼及在軸承故障預(yù)測中的應(yīng)用
    §4.1 深度稀疏編碼模型
    §4.2 基于分層稀疏編碼的預(yù)測框架
        §4.2.1 稀疏編碼模塊
        §4.2.2 最大值池化模塊
        §4.2.3 分層網(wǎng)絡(luò)預(yù)測模型
    §4.3 實(shí)驗(yàn)驗(yàn)證
        §4.3.1 案例一
        §4.3.2 案例二
    §4.4 HSC與PSO-SVR、WCSC方法的對比研究
        §4.4.1 軸承故障預(yù)測實(shí)例一
        §4.4.2 軸承故障預(yù)測實(shí)例二
        §4.4.3 實(shí)驗(yàn)結(jié)論
    §4.5 軸承剩余壽命預(yù)測
    §4.6 本章小結(jié)
第五章 總結(jié)和展望
    §5.1 總結(jié)
    §5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士期間主要研究成果



本文編號(hào)：3861686