滾動軸承作為風(fēng)電機(jī)的重要組成部件,工作在高速的運(yùn)轉(zhuǎn)狀態(tài)下,其容易發(fā)生故障,因此風(fēng)電機(jī)滾動軸承的故障診斷具有非常重要的研究意義。論文以風(fēng)電機(jī)傳動系統(tǒng)的滾動軸承作為研究對象,對滾動軸承振動信號進(jìn)行數(shù)據(jù)處理、特征提取和故障分類,研究基于數(shù)據(jù)驅(qū)動的風(fēng)電機(jī)滾動軸承故障診斷策略。主要研究內(nèi)容有以下方面:（1）針對風(fēng)電機(jī)滾動軸承振動信號具有非平穩(wěn)、非線性等特性,且故障特征提取困難的問題,提出一種基于深度置信網(wǎng)絡(luò)的故障診斷方法。論文通過改進(jìn)的集合經(jīng)驗(yàn)?zāi)B(tài)分解-自回歸模型對滾動軸承振動信號進(jìn)行處理,得到自回歸模型的系數(shù);然后將自回歸模型的系數(shù)輸入深度置信網(wǎng)絡(luò),挖掘滾動軸承的故障特征并實(shí)現(xiàn)故障分類。以Western Reserve University的滾動軸承數(shù)據(jù)為例進(jìn)行仿真,仿真結(jié)果表明:該方法能夠?qū)︼L(fēng)電機(jī)滾動軸承三種故障的特征進(jìn)行提取,并且與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)相比有較高的準(zhǔn)確率。（2）為了解決風(fēng)電機(jī)滾動軸承故障診斷存在采樣數(shù)據(jù)量大、故障特征依賴主觀選取的問題,提出了風(fēng)電機(jī)滾動軸承振動信號壓縮采集、自動提取特征及故障分類的方法。論文利用梯度加速法和正交三角分解理論對隨機(jī)高斯觀測矩陣進(jìn)行優(yōu)化... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

本文研究的技術(shù)路線

【參考文獻(xiàn)】：
期刊論文
[1]基于VMD和SVDD的滾動軸承早期微弱故障檢測和性能退化評估研究[J]. 王斐,房立清,趙玉龍,齊子元.  振動與沖擊. 2019(22)
[2]基于自適應(yīng)時頻分析的滾動軸承故障診斷[J]. 荊雙喜,楊曉雨,羅志鵬.  機(jī)械設(shè)計(jì)與研究. 2018(04)
[3]基于深度學(xué)習(xí)的軸承健康因子無監(jiān)督構(gòu)建方法[J]. 趙光權(quán),劉小勇,姜澤東,胡聰.  儀器儀表學(xué)報. 2018(06)
[4]基于深度置信網(wǎng)絡(luò)的風(fēng)電機(jī)組主軸承故障診斷方法研究[J]. 王春梅.  自動化儀表. 2018(05)
[5]一種用于文本分類的去冗余特征選擇新方法（英文）[J]. You-wei WANG,Li-zhou FENG.  Frontiers of Information Technology & Electronic Engineering. 2018(02)
[6]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. 2018(01)
[7]基于EEMD-Hilbert包絡(luò)譜和DBN的變負(fù)載下滾動軸承狀態(tài)識別方法[J]. 王玉靜,那曉棟,康守強(qiáng),謝金寶,V I MIKULOVICH.  中國電機(jī)工程學(xué)報. 2017(23)
[8]風(fēng)電場柔性直流并網(wǎng)系統(tǒng)鎮(zhèn)定器的頻域分析與設(shè)計(jì)[J]. 呂敬,蔡旭.  中國電機(jī)工程學(xué)報. 2018(14)
[9]深溝球軸承內(nèi)部載荷序列與壽命計(jì)算[J]. 汪久根,徐鶴琴.  機(jī)械工程學(xué)報. 2017(15)
[10]基于深度學(xué)習(xí)特征提取和粒子群支持向量機(jī)狀態(tài)識別的齒輪智能故障診斷[J]. 時培明,梁凱,趙娜,安淑君.  中國機(jī)械工程. 2017(09)

博士論文
[1]基于數(shù)學(xué)形態(tài)學(xué)的滾動軸承故障診斷方法研究[D]. 鄢小安.東南大學(xué) 2019
[2]滾動軸承故障特征提取與早期診斷方法研究[D]. 李永波.哈爾濱工業(yè)大學(xué) 2017

碩士論文
[1]基于數(shù)據(jù)驅(qū)動的滾動軸承故障診斷研究[D]. 董飛.中國礦業(yè)大學(xué) 2018
[2]基于EMD的風(fēng)力發(fā)電機(jī)軸承故障診斷方法研究[D]. 張建坤.哈爾濱理工大學(xué) 2016
[3]基于壓縮感知的OFDM系統(tǒng)信道估計(jì)[D]. 劉雨溪.哈爾濱工程大學(xué) 2016
[4]基于數(shù)據(jù)驅(qū)動的船舶旋轉(zhuǎn)機(jī)械故障診斷方法研究及應(yīng)用[D]. 董晨辰.南京航空航天大學(xué) 2016
[5]基于AR-SVPMCD的多傳感器信息融合故障診斷方法研究[D]. 韓冰.東南大學(xué) 2015



本文編號：3114112