發(fā)布時(shí)間：2024-06-29 23:45

　　滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中最重要的部件之一。滾動(dòng)軸承發(fā)生故障會(huì)影響機(jī)械設(shè)備的正常運(yùn)轉(zhuǎn),嚴(yán)重時(shí)會(huì)引起設(shè)備的失效,造成巨大的時(shí)間損失、財(cái)產(chǎn)損失甚至人員傷亡。為了提高機(jī)械設(shè)備的安全性和可靠性,研究滾動(dòng)軸承的故障診斷技術(shù)十分必要。近年來(lái),隨著人工智能技術(shù)的蓬勃發(fā)展,滾動(dòng)軸承的智能診斷技術(shù)受到廣泛關(guān)注。許多智能診斷方法在實(shí)驗(yàn)室驗(yàn)證時(shí),在利用特定設(shè)備的大量歷史數(shù)據(jù)的前提下獲得了很好的診斷效果。然而,在實(shí)際工程中,很難事先獲取待診斷設(shè)備的充足的故障歷史數(shù)據(jù),在少量可獲取的數(shù)據(jù)上構(gòu)建診斷模型會(huì)造成診斷模型泛化能力的下降。本文針對(duì)滾動(dòng)軸承故障診斷中的小樣本問(wèn)題,結(jié)合卷積神經(jīng)網(wǎng)絡(luò),提出基于動(dòng)力學(xué)仿真和遷移學(xué)習(xí)的智能診斷方法,該方法以從滾動(dòng)軸承動(dòng)力學(xué)模型獲取的仿真數(shù)據(jù)中遷移診斷知識(shí)的方式,幫助實(shí)際診斷場(chǎng)景中的軸承診斷任務(wù),為解決小樣本條件下的故障診斷問(wèn)題提供了新的思路。首先,基于動(dòng)力學(xué)建立滾動(dòng)軸承故障仿真模型,獲取不同健康狀態(tài)下滾動(dòng)軸承的振動(dòng)仿真數(shù)據(jù)。滾動(dòng)軸承的動(dòng)力學(xué)模型能夠從理論上揭示滾動(dòng)軸承的振動(dòng)特性,由動(dòng)力學(xué)模型獲取的仿真數(shù)據(jù)與實(shí)際數(shù)據(jù)應(yīng)具有相似但不同的特征分布,通過(guò)滾動(dòng)軸承動(dòng)力學(xué)模型生成仿真信號(hào)是一種獲取...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-5凱斯西儲(chǔ)大學(xué)軸承實(shí)驗(yàn)臺(tái)為了模擬軸承故障，實(shí)驗(yàn)中利用電火花的方式向軸承的內(nèi)滾道及外滾道注入

承動(dòng)力學(xué)仿真模型的驗(yàn)證與分析述滾動(dòng)軸承仿真模型的合理性，本節(jié)將由仿真模中采集的實(shí)際振動(dòng)加速度信號(hào)從時(shí)域和頻域兩個(gè)驗(yàn)證故障仿真信號(hào)是否與實(shí)際信號(hào)有相似的沖擊是否在頻譜或包絡(luò)譜中具有特征頻率。學(xué)軸承實(shí)驗(yàn)實(shí)際信號(hào)采集自凱斯西儲(chǔ)大學(xué)（CaseWesternRe實(shí)驗(yàn)。實(shí)驗(yàn)臺(tái)如圖2-5....

圖3一1仿真時(shí)域信號(hào)不同健康狀態(tài)下的概率密度分布

由圖3-1和圖3-2可知，仿真信號(hào)和實(shí)際信號(hào)的概率分布有以下兩點(diǎn)共性：（1）仿真信號(hào)與實(shí)際信號(hào)的正常狀態(tài)下的概率分布相比于故障狀態(tài)下的概率分布均更平緩，這是由于故障發(fā)生后，故障沖擊會(huì)使得信號(hào)概率密度函數(shù)峰頂高度增高，而故障沖擊是

圖3一2實(shí)際時(shí)域信號(hào)不同健康狀態(tài)下的概率密度分布

由圖3-1和圖3-2可知，仿真信號(hào)和實(shí)際信號(hào)的概率分布有以下兩點(diǎn)共性：（1）仿真信號(hào)與實(shí)際信號(hào)的正常狀態(tài)下的概率分布相比于故障狀態(tài)下的概率分布均更平緩，這是由于故障發(fā)生后，故障沖擊會(huì)使得信號(hào)概率密度函數(shù)峰頂高度增高，而故障沖擊是

圖3-3相同健康狀態(tài)下仿真數(shù)據(jù)和實(shí)際數(shù)據(jù)概率分布對(duì)比

圖3-3相同健康狀態(tài)下仿真數(shù)據(jù)和實(shí)際數(shù)據(jù)概率分布對(duì)比3.2.3頻率分布的共性及差異性當(dāng)軸承發(fā)生局部故障時(shí)，故障產(chǎn)生的沖擊激勵(lì)會(huì)激起系統(tǒng)中的高頻成分，由于仿真模型對(duì)實(shí)際系統(tǒng)進(jìn)行了較大程度的簡(jiǎn)化，仿真信號(hào)中的高頻成分與實(shí)際系統(tǒng)中的高頻成分應(yīng)有一定差異。本文擬采用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建....

本文編號(hào)：3998067