隨著我國鐵路事業(yè)發(fā)展的越來越好,高鐵更是成為了中國的名片,走向世界。列車在速度和平穩(wěn)性上面都取得了很大的進展。當(dāng)然,在不斷地追求速度上提升的同時,還更應(yīng)該考慮安全性的問題。機車車輛運輸?shù)陌踩珕栴}受很多方面的影響,車軸是機車車輛很重要的部件,車軸的大部分失效是由疲勞引起的疲勞裂紋,疲勞裂紋會導(dǎo)致車軸損壞或疲勞斷裂,從而導(dǎo)致事故的發(fā)生。為了解決列車車軸可能出現(xiàn)的疲勞裂紋檢測問題,本文使用的是聲發(fā)射技術(shù),提出了 DTCWT-DBN疲勞裂紋聲發(fā)射信號實驗數(shù)據(jù)分析的方法,其研究的關(guān)鍵在于聲發(fā)射信號特征提取和識別,小波變換在信號提取中取得過許多成功的應(yīng)用。對雙樹復(fù)小波（DTCWT）、離散小波（DWT）、經(jīng)驗?zāi)B(tài)分解（EMD）和集合經(jīng)驗?zāi)B(tài)分解（EEMD）的特性進行比較,最終采用雙樹復(fù)小波對聲發(fā)射信號進行預(yù)處理以反映故障特征信息;同時采用深度信念網(wǎng)絡(luò)對列車車軸可能存在故障狀態(tài)問題進行故障狀態(tài)分類識別,使用主成分分析對深度信念網(wǎng)絡(luò)各隱藏層進行數(shù)據(jù)可視化,并將上述特征提取方法和深度信念網(wǎng)絡(luò)結(jié)合起來應(yīng)用到列車車軸疲勞裂紋的故障診斷中。通過對列車車軸聲發(fā)射信號進行特征提取及識別結(jié)果可知,基于雙樹復(fù)小波和深度... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 概述
    1.2 論文研究背景及意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 聲發(fā)射技術(shù)研究現(xiàn)狀
        1.3.2 雙樹復(fù)小波在故障檢測領(lǐng)域研究現(xiàn)狀
        1.3.3 深度信念網(wǎng)絡(luò)在故障檢測領(lǐng)域的研究現(xiàn)狀
        1.3.4 BP神經(jīng)網(wǎng)絡(luò)在故障檢測領(lǐng)域的研究現(xiàn)狀
        1.3.5 支持向量機在故障檢測領(lǐng)域的研究現(xiàn)狀
    1.4 課題來源及本文主要研究內(nèi)容
        1.4.1 課題來源
        1.4.2 本文的主要研究內(nèi)容
第二章 理論基礎(chǔ)
    2.1 引言
    2.2 雙樹復(fù)小波相關(guān)理論
        2.2.1 雙樹復(fù)小波變換
        2.2.2 雙樹復(fù)小波濾波器設(shè)計
    2.3 離散小波相關(guān)理論
        2.3.1 離散小波DWT的概念
        2.3.2 離散小波DWT的原理
    2.4 經(jīng)驗?zāi)B(tài)分解相關(guān)理論
    2.5 集合經(jīng)驗?zāi)B(tài)分解相關(guān)理論
        2.5.1 集合經(jīng)驗?zāi)B(tài)分解EEMD的概念
        2.5.2 集合經(jīng)驗?zāi)B(tài)分解EEMD原理及算法
    2.6 深度信念網(wǎng)絡(luò)相關(guān)理論
        2.6.1 受限玻爾茲曼機結(jié)構(gòu)
        2.6.2 受限玻爾茲曼機訓(xùn)練算法
    2.7 BP神經(jīng)網(wǎng)絡(luò)
        2.7.1 BP神經(jīng)網(wǎng)絡(luò)傳播過程
        2.7.2 BP神經(jīng)網(wǎng)絡(luò)設(shè)計原則
        2.7.3 BP算法訓(xùn)練過程
    2.8 支持向量機
        2.8.1 支持向量機的概念
        2.8.2 支持向量機的原理
    本章小結(jié)
第三章 實驗數(shù)據(jù)處理
    3.1 引言
    3.2 實驗數(shù)據(jù)的處理
        3.2.1 雙樹復(fù)小波
        3.2.2 離散小波
        3.2.3 經(jīng)驗?zāi)B(tài)分解
        3.2.4 集合經(jīng)驗?zāi)B(tài)分解
    本章小結(jié)
第四章 分類識別
    4.1 基于SVM聲發(fā)射車軸疲勞裂紋的識別研究
        4.1.1 SVM模型的建立
        4.1.2 實驗結(jié)果及分析
    4.2 基于BP神經(jīng)網(wǎng)絡(luò)聲發(fā)射車軸疲勞裂紋的識別研究
        4.2.1 BP神經(jīng)網(wǎng)絡(luò)模型的建立
        4.2.2 實驗結(jié)果及分析
    4.3 基于深度信念網(wǎng)絡(luò)聲發(fā)射車軸疲勞裂紋的識別研究
        4.3.1 DBN網(wǎng)絡(luò)模型的建立
        4.3.2 實驗結(jié)果及分析
        4.3.3 深度信念網(wǎng)絡(luò)驗證分析
    4.4 結(jié)果對比分析
    本章小結(jié)
結(jié)論與展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于DT-CWT自適應(yīng)Teager能量譜的軸承早期故障診斷[J]. 任學(xué)平,王朝閣,張玉皓,王建國.  振動.測試與診斷. 2017(04)
[2]雙樹復(fù)小波分析在故障診斷中的發(fā)展與應(yīng)用[J]. 楊楠,關(guān)佳亮,高立新.  設(shè)備管理與維修. 2017(10)
[3]基于雙樹復(fù)小波和深度信念網(wǎng)絡(luò)的軸承故障診斷[J]. 張淑清,胡永濤,姜安琦,李軍鋒,宿新爽,姜萬錄.  中國機械工程. 2017(05)
[4]基于雙樹復(fù)小波和自適應(yīng)權(quán)重和時間因子的粒子群優(yōu)化支持向量機的軸承故障診斷[J]. 張淑清,胡永濤,姜安琦,吳迪,陸超,姜萬錄.  中國機械工程. 2017(03)
[5]雙樹復(fù)小波和雙譜在軸承故障診斷中的應(yīng)用[J]. 侯少飛,李彥生,胥永剛,馬朝永.  噪聲與振動控制. 2016(05)
[6]基于DBN的故障特征提取及診斷方法研究[J]. 趙光權(quán),葛強強,劉小勇,彭喜元.  儀器儀表學(xué)報. 2016(09)
[7]基于DT-CWT和MCKD的滾動軸承早期故障診斷方法[J]. 任學(xué)平,王朝閣,張玉皓,汪軍.  儀表技術(shù)與傳感器. 2016(05)
[8]基于DT-CWT和奇異能量差分譜的滾動軸承故障診斷研究[J]. 任學(xué)平,王朝閣,張玉皓,龐震.  機械設(shè)計與制造. 2016(04)
[9]基于雙樹復(fù)小波變換的軸承復(fù)合故障診斷研究[J]. 胥永剛,孟志鵬,趙國亮.  儀器儀表學(xué)報. 2014(02)
[10]基于雙樹復(fù)小波和奇異差分譜的齒輪故障診斷研究[J]. 胥永剛,孟志鵬,陸明,付勝.  振動與沖擊. 2014(01)

博士論文
[1]考慮輪對彈性和旋轉(zhuǎn)走行的高速輪軌系統(tǒng)動力學(xué)性能研究[D]. 楊光.北京交通大學(xué) 2017
[2]基于自適應(yīng)振動信號處理的旋轉(zhuǎn)機械故障診斷研究[D]. 張超.西安電子科技大學(xué) 2012
[3]電力變壓器狀態(tài)評估及故障診斷方法研究[D]. 鄭含博.重慶大學(xué) 2012
[4]基于振動信號的機械故障特征提取與診斷研究[D]. 趙志宏.北京交通大學(xué) 2012
[5]滾動軸承振動信號處理及特征提取方法研究[D]. 蘇文勝.大連理工大學(xué) 2010
[6]基于EMD的機械振動分析與診斷方法研究[D]. 曹沖鋒.浙江大學(xué) 2009
[7]支持向量機算法及其應(yīng)用研究[D]. 張國云.湖南大學(xué) 2006
[8]基于支持向量機的故障智能診斷方法研究[D]. 翟永杰.華北電力大學(xué)（河北） 2004

碩士論文
[1]基于深度信念網(wǎng)絡(luò)的故障診斷研究[D]. 文紅權(quán).北京交通大學(xué) 2018
[2]基于深度學(xué)習(xí)的變壓器故障診斷技術(shù)研究[D]. 石鑫.華北電力大學(xué) 2016
[3]基于雙樹復(fù)小波的機電設(shè)備故障診斷方法及應(yīng)用[D]. 孟志鵬.北京工業(yè)大學(xué) 2014
[4]基于人工神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械故障診斷專家系統(tǒng)[D]. 梅杰.武漢理工大學(xué) 2011
[5]基于BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法[D]. 于婷婷.大連理工大學(xué) 2008
[6]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[D]. 段侯峰.北京交通大學(xué) 2008



本文編號：3691545