滾動(dòng)軸承作為高速動(dòng)車組走行部的關(guān)鍵旋轉(zhuǎn)部件之一,其運(yùn)行狀態(tài)直接影響動(dòng)車組的運(yùn)行品質(zhì)與行車安全,因此,深入開展動(dòng)車組滾動(dòng)軸承故障診斷技術(shù)研究具有重要的意義。目前,廣泛應(yīng)用于軌道車輛滾動(dòng)軸承故障領(lǐng)域的基于信號(hào)處理的振動(dòng)分析診斷法和基于機(jī)器學(xué)習(xí)淺層模型的智能診斷法在通用性和智能化方面還存在一定的不足,研究更加通用、智能的診斷方法對(duì)動(dòng)車組走行部關(guān)鍵部件的智能運(yùn)維有積極的推動(dòng)作用。針對(duì)傳統(tǒng)智能診斷方法依賴信號(hào)處理技術(shù)與專家診斷經(jīng)驗(yàn)來提取故障特征,深度學(xué)習(xí)模型僅被當(dāng)作分類器使用,診斷模型識(shí)別準(zhǔn)確率不高、泛化性不強(qiáng)以及診斷模型的建模分析未考慮實(shí)際故障診斷中的“正常狀態(tài)”樣本與“故障狀態(tài)”樣本的數(shù)據(jù)不平衡等問題,本文主要開展了以下四個(gè)方面的研究工作:（1）首先,使用CWRU軸承標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行建模分析,驗(yàn)證卷積神經(jīng)網(wǎng)絡(luò)從原始一維振動(dòng)信號(hào)逐層卷積池化來抽取故障特征,并實(shí)現(xiàn)不同類型、不同程度故障準(zhǔn)確分類的算法可行性;然后,通過引入Dropout、BN、SVM等算法來提升診斷模型的收斂速度、識(shí)別準(zhǔn)確率與泛化能力;最后考慮噪聲干擾下的識(shí)別準(zhǔn)確率以及統(tǒng)計(jì)學(xué)指標(biāo)P、R、F1客觀地評(píng)估了 CNN-BN-SVM模型的分... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：102 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－３研究思路??Ｆｉｇ．?１－３?Ｒｅｓｅａｒｃｈ?ｉｄｅａｓ??

同一層神經(jīng)元互不連接，每個(gè)神經(jīng)元均擁有激活函數(shù)，為了使用基于梯度的優(yōu)化??算法，激活函數(shù)均可導(dǎo)，激活函數(shù)實(shí)現(xiàn)了非線性轉(zhuǎn)化以解決感知器模型所不能解??決的非線性問題圖２－２為包含輸入層、輸出層和單個(gè)隱藏層的三層前饋式簡(jiǎn)??單神經(jīng)網(wǎng)絡(luò)示意圖。??ｉｎｐｕｔ?ｌａｙｅｒ??ｈｉｄｄｅｎ?ｌａｙｅｒ??圖２－２前饋式神經(jīng)網(wǎng)絡(luò)??Ｆｉｇ．２－２?Ｆｅｅｄｆｏｒｗａｒｄ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??隱藏層與輸出層各神經(jīng)元的輸入、輸出值計(jì)算方式如公式（２－２）所示：??ｚ；＝Ｓ／？１＋Ｚ？／’??（２－２）??式中：?＜?——表示第（／－Ｉ）層的第丨個(gè)神經(jīng)元與第／層的第；？個(gè)神經(jīng)元間的連接權(quán)重；??ｂ；一一表示第／層的第；？個(gè)神經(jīng)元的偏置項(xiàng)；??ｚ；一一表示第／層的第ｊ個(gè)神經(jīng)元的輸入值；??ａ＼一一表示第／層的第ｊ個(gè)神經(jīng)元的輸出值；??Ｃ７一一表示激活函數(shù)；??２．１．２卷積神經(jīng)網(wǎng)絡(luò)基本架構(gòu)??１０??

?？?ＯｌｌｔｐＵｔ??？，??圖２－１單層感知器??Ｆｉｇ．２－１?Ｓｉｎｇｌｅ?ｌａｙｅｒ?ｐｅｒｃｅｐｔｒｏｎ??（２）神經(jīng)網(wǎng)絡(luò)??神經(jīng)網(wǎng)絡(luò)主要包含輸入層、隱藏層與輸出層，相鄰層的神經(jīng)元之間為全連接，??同一層神經(jīng)元互不連接，每個(gè)神經(jīng)元均擁有激活函數(shù)，為了使用基于梯度的優(yōu)化??算法，激活函數(shù)均可導(dǎo)，激活函數(shù)實(shí)現(xiàn)了非線性轉(zhuǎn)化以解決感知器模型所不能解??決的非線性問題圖２－２為包含輸入層、輸出層和單個(gè)隱藏層的三層前饋式簡(jiǎn)??單神經(jīng)網(wǎng)絡(luò)示意圖。??ｉｎｐｕｔ?ｌａｙｅｒ??ｈｉｄｄｅｎ?ｌａｙｅｒ??圖２－２前饋式神經(jīng)網(wǎng)絡(luò)??Ｆｉｇ．２－２?Ｆｅｅｄｆｏｒｗａｒｄ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??隱藏層與輸出層各神經(jīng)元的輸入、輸出值計(jì)算方式如公式（２－２）所示：??ｚ；＝Ｓ／？１＋Ｚ？／’??（２－２）

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的反向傳播算法改進(jìn)[J]. 楊鶴標(biāo),龔文彥.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(01)
[2]不平衡數(shù)據(jù)分類方法綜述[J]. 李艷霞,柴毅,胡友強(qiáng),尹宏鵬.  控制與決策. 2019(04)
[3]基于深度學(xué)習(xí)的機(jī)械設(shè)備健康管理綜述與展望[J]. 周奇才,沈鶴鴻,趙炯,熊肖磊.  現(xiàn)代機(jī)械. 2018(04)
[4]一種基于代價(jià)敏感學(xué)習(xí)的故障電弧識(shí)別方法[J]. 殷浩楠,竺紅衛(wèi),丁鑫,王一聞.  傳感器與微系統(tǒng). 2018(04)
[5]基于多尺度本征模態(tài)排列熵和SA-SVM的軸承故障診斷研究[J]. 姚德臣,楊建偉,程曉卿,王興.  機(jī)械工程學(xué)報(bào). 2018(09)
[6]基于細(xì)菌覓食決策和深度置信網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[J]. 陶潔,劉義倫,楊大煉,賓光富.  振動(dòng)與沖擊. 2017(23)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障診斷[J]. 王麗華,謝陽陽,周子賢,張永宏,趙曉平.  振動(dòng).測(cè)試與診斷. 2017(06)
[8]基于深度學(xué)習(xí)的滾動(dòng)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)
[9]基于小波包和BBO-RBFNN的滾動(dòng)軸承故障診斷[J]. 張晴,高軍偉,張彬,毛云龍,董宏輝.  工業(yè)控制計(jì)算機(jī). 2017(08)
[10]大數(shù)據(jù)下機(jī)械智能故障診斷的機(jī)遇與挑戰(zhàn)[J]. 雷亞國(guó),賈峰,孔德同,林京,邢賽博.  機(jī)械工程學(xué)報(bào). 2018(05)

博士論文
[1]基于肌音和CNN-SVM模型的人體膝關(guān)節(jié)運(yùn)動(dòng)意圖識(shí)別研究[D]. 吳海峰.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]齒輪箱振動(dòng)特性分析與智能故障診斷方法研究[D]. 何俊.浙江大學(xué) 2018
[3]高速列車減振器狀態(tài)監(jiān)測(cè)及故障診斷方法研究[D]. 邢璐璐.中國(guó)鐵道科學(xué)研究院 2018
[4]數(shù)據(jù)驅(qū)動(dòng)的滾動(dòng)軸承故障特征分析與診斷方法研究[D]. 俞嘯.中國(guó)礦業(yè)大學(xué) 2017
[5]車輛滾動(dòng)軸承故障診斷建模及關(guān)鍵技術(shù)研究[D]. 葛慧敏.江蘇大學(xué) 2017
[6]基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法研究[D]. 朱霄珣.華北電力大學(xué) 2013
[7]滾動(dòng)軸承表面損傷故障的特征提取與診斷方法研究[D]. 隋文濤.山東大學(xué) 2011
[8]基于振動(dòng)信號(hào)的機(jī)械故障特征提取與診斷研究[D]. 趙志宏.北京交通大學(xué) 2012

碩士論文
[1]動(dòng)車組運(yùn)用檢修的修程修制優(yōu)化與實(shí)踐[D]. 豐雪霏.中國(guó)鐵道科學(xué)研究院 2018
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動(dòng)故障診斷方法研究[D]. 李強(qiáng).山東大學(xué) 2018
[3]基于圖像處理的動(dòng)車組走行部故障檢測(cè)方法研究[D]. 吳琛.西南交通大學(xué) 2018
[4]基于深度學(xué)習(xí)的機(jī)械故障診斷方法研究[D]. 陳周亮.南昌航空大學(xué) 2018
[5]面向工業(yè)大數(shù)據(jù)的智能故障診斷方法研究[D]. 司佳.山東大學(xué) 2018
[6]基于知識(shí)的故障診斷方法研究[D]. 李巧玲.電子科技大學(xué) 2018
[7]面向齒輪箱關(guān)鍵部件的故障診斷與運(yùn)維問題研究[D]. 周宇.北京交通大學(xué) 2017
[8]基于EEMD的共振解調(diào)技術(shù)在動(dòng)車組軸承故障診斷中的應(yīng)用[D]. 汪志君.北京交通大學(xué) 2017
[9]基于深度置信網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動(dòng)故障診斷方法研究[D]. 葛強(qiáng)強(qiáng).哈爾濱工業(yè)大學(xué) 2016
[10]動(dòng)車組走行部關(guān)鍵部位滾動(dòng)軸承的故障診斷研究[D]. 林恩田.北京交通大學(xué) 2016



本文編號(hào)：3016693