數(shù)控機床是制造業(yè)的基礎(chǔ)產(chǎn)業(yè)也是戰(zhàn)略產(chǎn)業(yè),隨著現(xiàn)代科技的進(jìn)步,數(shù)控機床也在朝著高可靠性,高精度,智能化和網(wǎng)絡(luò)化的道路上發(fā)展。在此基礎(chǔ)上監(jiān)控數(shù)控機床的健康狀況以及故障診斷和預(yù)警是實現(xiàn)這一目標(biāo)的必然選擇。滾動軸承是數(shù)控機床的故障易發(fā)的關(guān)鍵部件。其故障振動信號通常具有較強的非線性和非平穩(wěn)性,并且由于工作環(huán)境的復(fù)雜往往還受噪聲的干擾。因而國內(nèi)外眾多的學(xué)者對進(jìn)行了研究。各種時頻方法及其改進(jìn)方法不斷被提出,深度學(xué)習(xí)也被逐步應(yīng)用到滾動軸承故障的診斷中來,使得診斷的準(zhǔn)確率不斷提高,智能性也不斷增強。但隨著工業(yè)大數(shù)據(jù)時代的來臨,機械健康狀態(tài)的監(jiān)測也進(jìn)入了大數(shù)據(jù)時代,帶來新的機遇與挑戰(zhàn)。本文以數(shù)控機床滾動軸承為研究對象,從滾動軸承故障發(fā)生的原因及振動特征分析入手,對各種時頻分析方法做了比較,并將傳統(tǒng)的時頻分析方法與深度卷積神經(jīng)網(wǎng)絡(luò)有機結(jié)合,即EEMD與VMD同卷積神經(jīng)網(wǎng)絡(luò)結(jié)合的滾動軸承健康狀況診斷方法。該方法既能夠發(fā)揮EEMD與VMD在處理非線性非平穩(wěn)信號的優(yōu)勢,又能夠充分發(fā)揮深度卷積神經(jīng)網(wǎng)絡(luò)在故障特征自提取的強大能力,適應(yīng)大數(shù)據(jù)故障診斷的需求,避免了人為特征的選擇,增強了特征提取的智能性,是一種端到端的滾... 

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

旋轉(zhuǎn)機械故障原因

滾動軸承基本結(jié)構(gòu)

EMD方法流程圖

【參考文獻(xiàn)】：
期刊論文
[1]基于短時傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠(yuǎn)韜.  振動與沖擊. 2018(19)
[2]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)
[3]基于深度學(xué)習(xí)的滾動軸承故障診斷研究綜述[J]. 張雪英,欒忠權(quán),劉秀麗.  設(shè)備管理與維修. 2017(18)
[4]基于深度神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷[J]. 衛(wèi)潔潔,楊喜旺,黃晉英,尹學(xué)慧,衛(wèi)曉潔.  組合機床與自動化加工技術(shù). 2017(11)
[5]基于變分模態(tài)分解和Teager能量算子的滾動軸承故障特征提取[J]. 馬增強,李亞超,劉政,谷朝健.  振動與沖擊. 2016(13)
[6]基于深度信念網(wǎng)絡(luò)的軸承故障分類識別[J]. 李巍華,單外平,曾雪瓊.  振動工程學(xué)報. 2016(02)
[7]神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計算機學(xué)報. 2016(08)
[8]參數(shù)優(yōu)化變分模態(tài)分解方法在滾動軸承早期故障診斷中的應(yīng)用[J]. 唐貴基,王曉龍.  西安交通大學(xué)學(xué)報. 2015(05)
[9]滾動軸承運行狀態(tài)智能化監(jiān)測[J]. 李露加.  河南科技. 2014(01)
[10]基于改進(jìn)粗糙集的滾動軸承故障診斷的計算機仿真研究[J]. 崔永良,李見偉.  煤礦機械. 2012(11)

博士論文
[1]基于變分模態(tài)分解與優(yōu)化多核支持向量機的旋轉(zhuǎn)機械早期故障診斷方法研究[D]. 呂中亮.重慶大學(xué) 2016
[2]齒輪箱復(fù)合故障診斷特征提取的若干方法研究[D]. 王志堅.太原理工大學(xué) 2015
[3]基于振動信號特征提取與表達(dá)的旋轉(zhuǎn)機械狀態(tài)監(jiān)測與故障診斷研究[D]. 黃偉國.中國科學(xué)技術(shù)大學(xué) 2010
[4]基于EMD和支持向量機的旋轉(zhuǎn)機械故障診斷方法研究[D]. 楊宇.湖南大學(xué) 2005

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]大數(shù)據(jù)在滾動軸承故障診斷中的應(yīng)用研究[D]. 白廣晨.北京郵電大學(xué) 2017
[3]基于多源不確定信息融合的數(shù)控機床滾動軸承故障診斷方法與實驗研究[D]. 馮春生.青島理工大學(xué) 2015
[4]滾動軸承故障診斷系統(tǒng)設(shè)計[D]. 趙江萍.中國計量學(xué)院 2015
[5]基于振動信號的滾動軸承故障診斷與預(yù)測系統(tǒng)研究[D]. 王澤文.中國礦業(yè)大學(xué) 2014
[6]基于多信息源的滾動軸承故障診斷方法與實驗研究[D]. 溫國強.青島理工大學(xué) 2013
[7]基于支持向量機的數(shù)控機床進(jìn)給系統(tǒng)滾動軸承故障診斷研究[D]. 王巖.青島理工大學(xué) 2013
[8]網(wǎng)絡(luò)智能滾齒機故障診斷及維護(hù)系統(tǒng)設(shè)計與應(yīng)用研究[D]. 胡林橋.重慶大學(xué) 2012
[9]小波變換在軸承故障診斷中的研究與應(yīng)用[D]. 姜紹俊.大連交通大學(xué) 2010
[10]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



本文編號：3666924