中介軸承作為航空發(fā)動(dòng)機(jī)的關(guān)鍵部件之一,其運(yùn)行狀態(tài)與發(fā)動(dòng)機(jī)整體的性能密切相關(guān)。受發(fā)動(dòng)機(jī)雙轉(zhuǎn)子系統(tǒng)復(fù)雜多變的工況的影響,中介軸承振動(dòng)故障頻發(fā),因此研究航空發(fā)動(dòng)機(jī)中介軸承的故障狀態(tài)并進(jìn)行診斷具有重要的意義。本文以中介軸承振動(dòng)信號(hào)為研究對(duì)象,采用深度神經(jīng)網(wǎng)絡(luò)作為診斷方法,針對(duì)自動(dòng)編碼器網(wǎng)絡(luò)分析中介軸承原始信號(hào)能力不足的問題,提出核自動(dòng)編碼器作為改進(jìn)方法。論文研究?jī)?nèi)容概括如下:(1)論述課題的研究背景與選題意義,介紹滾動(dòng)軸承與航空發(fā)動(dòng)機(jī)中介軸承故障診斷方法的研究進(jìn)展,并且對(duì)深度學(xué)習(xí)方法在滾動(dòng)軸承領(lǐng)域的應(yīng)用情況進(jìn)行分析。介紹了三種典型的深度學(xué)習(xí)基本模型,并對(duì)堆疊自動(dòng)編碼器進(jìn)行了深入的研究,探討模型預(yù)訓(xùn)練與微調(diào)的網(wǎng)絡(luò)結(jié)構(gòu)。采用頻域特征作為輸入,應(yīng)用堆疊自動(dòng)編碼器對(duì)中介軸承典型故障進(jìn)行診斷,結(jié)果顯示相較于傳統(tǒng)淺層模型,深度神經(jīng)網(wǎng)絡(luò)可以得到更好的診斷結(jié)果。(2)針對(duì)堆疊自動(dòng)編碼器模型處理含噪聲較多的原始信號(hào)能力的不足,結(jié)合核函數(shù)方法提出核自動(dòng)編碼器,并構(gòu)建堆疊核自動(dòng)編碼器網(wǎng)絡(luò),分別以原始信號(hào)、頻域特征、混合域特征作為輸入驗(yàn)證模型的有效性。針對(duì)所提出核自動(dòng)編碼器泛化性差與參數(shù)選擇困難的問題,提出了添加L2...

【文章頁(yè)數(shù)】：96 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 滾動(dòng)軸承故障診斷研究現(xiàn)狀
        1.2.2 航空發(fā)動(dòng)機(jī)中介軸承故障診斷方法研究現(xiàn)狀
        1.2.3 深度學(xué)習(xí)在軸承故障診斷研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容與組織結(jié)構(gòu)
2 基于深度神經(jīng)網(wǎng)絡(luò)的中介軸承故障診斷
    2.1 人工神經(jīng)網(wǎng)絡(luò)概述
    2.2 深度學(xué)習(xí)基本模型
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.2 受限玻爾茲曼機(jī)
        2.2.3 自動(dòng)編碼器模型
    2.3 堆疊自動(dòng)編碼神經(jīng)網(wǎng)絡(luò)
        2.3.1 模型結(jié)構(gòu)
        2.3.2 無監(jiān)督逐層預(yù)訓(xùn)練
        2.3.3 有監(jiān)督參數(shù)微調(diào)
    2.4 基于堆疊自動(dòng)編碼器的中介軸承故障診斷
        2.4.1 堆疊自動(dòng)編碼器診斷方法流程
        2.4.2 中介軸承試驗(yàn)臺(tái)介紹
        2.4.3 網(wǎng)絡(luò)參數(shù)研究
        2.4.4 故障診斷結(jié)果分析
    2.5 本章小結(jié)
3 基于核自動(dòng)編碼器的中介軸承故障診斷
    3.1 核自動(dòng)編碼器
        3.1.1 核方法
        3.1.2 核自動(dòng)編碼器
    3.2 基于KAE的深度網(wǎng)絡(luò)模型故障診斷方法
        3.2.1 基于SKAE的深度網(wǎng)絡(luò)模型
        3.2.2 中介軸承故障診斷結(jié)果分析
        3.2.3 故障特征提取能力分析
    3.3 基于KDAE的深度神經(jīng)網(wǎng)絡(luò)故障診斷方法
        3.3.1 核去噪自動(dòng)編碼器
        3.3.2 正則化
        3.3.3 基于混沌的改進(jìn)螢火蟲算法
        3.3.4 基于KDAE的深度網(wǎng)絡(luò)模型
        3.3.5 中介軸承故障診斷結(jié)果分析
    3.4 本章小結(jié)
4 基于KSAE與KELM的中介軸承故障診斷
    4.1 Morlet小波核稀疏自動(dòng)編碼器
        4.1.1 Morlet小波核函數(shù)
        4.1.2 核稀疏自動(dòng)編碼器
    4.2 數(shù)據(jù)降維方法
        4.2.1 主成分分析
        4.2.2 局部保持投影
    4.3 核極限學(xué)習(xí)機(jī)
        4.3.1 極限學(xué)習(xí)機(jī)
        4.3.2 核極限學(xué)習(xí)機(jī)
    4.4 基于KSAE與KELM的故障診斷模型
    4.5 航空發(fā)動(dòng)機(jī)中介軸承故障診斷
        4.5.1 故障診斷結(jié)果對(duì)比分析
        4.5.2 特征融合結(jié)果對(duì)比分析
        4.5.3 分類模型結(jié)果對(duì)比分析
    4.6 本章小結(jié)
5 中介軸承故障診斷系統(tǒng)開發(fā)
    5.1 航空發(fā)動(dòng)機(jī)中介軸承故障試驗(yàn)臺(tái)
        5.1.1 中介軸承試驗(yàn)臺(tái)介紹
        5.1.2 中介軸承介紹
        5.1.3 中介軸承典型故障試驗(yàn)
    5.2 系統(tǒng)開發(fā)環(huán)境
        5.2.1 硬件開發(fā)環(huán)境
        5.2.2 軟件開發(fā)環(huán)境
    5.3 基于深度神經(jīng)網(wǎng)絡(luò)的中介軸承系統(tǒng)開發(fā)
        5.3.1 軸承狀態(tài)監(jiān)測(cè)系統(tǒng)
        5.3.2 振動(dòng)數(shù)據(jù)離線分析系統(tǒng)
        5.3.3 基于深度KDAE模型診斷系統(tǒng)
        5.3.4 基于深度KSAE與KELM模型的診斷系統(tǒng)
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3875685