軸承是機(jī)械設(shè)備中的重要核心部件和故障源之一,滾動(dòng)軸承狀態(tài)檢測(cè)和診斷對(duì)于避免機(jī)械系統(tǒng)的災(zāi)難性故障非常重要。隨著大數(shù)據(jù)時(shí)代到來(lái),基于機(jī)器學(xué)習(xí)的軸承智能診斷方法得到大規(guī)模應(yīng)用,目前智能診斷方法主要是基于機(jī)器學(xué)習(xí)中的判別式模型。然而,隨著滾動(dòng)軸承應(yīng)用場(chǎng)景更加廣泛,設(shè)備面臨的工況日趨復(fù)雜,判別式模型不能很好地適應(yīng)動(dòng)態(tài)變化。為解決此問(wèn)題,本課題提出了基于混合高斯分布的生成式軸承故障診斷模型及其統(tǒng)計(jì)推斷方法。針對(duì)生成式診斷模型選擇問(wèn)題,通過(guò)分析故障特征分布,提出采用混合高斯分布作為生成式診斷模型;針對(duì)生成式模型高維復(fù)雜且難以推斷精確分布的問(wèn)題,本課題提出采用基于Gibbs抽樣的生成式診斷模型統(tǒng)計(jì)推斷方法,通過(guò)隨機(jī)抽樣得到分布;針對(duì)Gibbs抽樣統(tǒng)計(jì)推斷方法收斂速度慢的問(wèn)題,本課題進(jìn)一步提出采用基于變分貝葉斯的生成式診斷模型統(tǒng)計(jì)推斷方法,變分貝葉斯利用先驗(yàn)信息構(gòu)建分布,該方法在保證準(zhǔn)確率的前提下進(jìn)一步提高了收斂速度。對(duì)于待診斷的故障數(shù)據(jù),結(jié)合生成式診斷模型和貝葉斯定理實(shí)現(xiàn)故障的準(zhǔn)確診斷。通過(guò)采用滾動(dòng)軸承公開(kāi)標(biāo)準(zhǔn)數(shù)據(jù)集和中國(guó)鐵路實(shí)際數(shù)據(jù)分析表明,基于Gibbs抽樣統(tǒng)計(jì)推斷得到的生成式診斷模型與基于支持向... 

【文章來(lái)源】：北京信息科技大學(xué)北京市

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的背景及意義
    1.2 發(fā)展綜述
    1.3 滾動(dòng)軸承故障診斷技術(shù)研究現(xiàn)狀
        1.3.1 滾動(dòng)軸承的故障種類(lèi)及其成因
        1.3.2 滾動(dòng)軸承信號(hào)采集方法
        1.3.3 滾動(dòng)軸承故障信號(hào)分析方法
        1.3.4 滾動(dòng)軸承故障診斷診斷方法
    1.4 統(tǒng)計(jì)推斷綜述
        1.4.1 基于頻率統(tǒng)計(jì)推斷
        1.4.2 基于貝葉斯統(tǒng)計(jì)推斷
    1.5 滾動(dòng)軸承故障診斷模型
    1.6 本文的研究?jī)?nèi)容與結(jié)構(gòu)
第2章 數(shù)據(jù)預(yù)處理及生成式模型統(tǒng)計(jì)研究
    2.1 數(shù)據(jù)預(yù)處理技術(shù)
    2.2 滾動(dòng)軸承故障特征提取
    2.3 滾動(dòng)軸承故障特征篩選
    2.4 滾動(dòng)軸承故障特征統(tǒng)計(jì)分析
    2.5 生成式診斷模型及統(tǒng)計(jì)推斷
    2.6 本章小結(jié)
第3章 基于Gibbs抽樣軸承故障診斷方法
    3.1 Gibbs抽樣統(tǒng)計(jì)推斷診斷模型
    3.2 基于Gibbs抽樣故障診斷方法
    3.3 數(shù)據(jù)分析結(jié)果
        3.3.1 美國(guó)凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)結(jié)果分析
        3.3.2 中國(guó)鐵路局機(jī)車(chē)軸承實(shí)測(cè)數(shù)據(jù)結(jié)果分析
    3.4 算法與結(jié)果分析
    3.5 本章小結(jié)
第4章 基于變分貝葉斯軸承故障診斷方法
    4.1 變分貝葉斯統(tǒng)計(jì)推斷診斷模型
    4.2 基于變分貝葉斯故障診斷方法
    4.3 數(shù)據(jù)分析結(jié)果
        4.3.1 美國(guó)凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)結(jié)果分析
        4.3.2 中國(guó)鐵路局機(jī)車(chē)軸承實(shí)測(cè)數(shù)據(jù)結(jié)果分析
    4.4 算法與結(jié)果分析
    4.5 統(tǒng)計(jì)推斷算法比較
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來(lái)展望
致謝
參考文獻(xiàn)
在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]貝塔混合模型的變分貝葉斯學(xué)習(xí)及應(yīng)用[J]. 賴(lài)裕平,高寧,何聞達(dá),平原,杜春來(lái),王寶成,丁洪偉.  電子學(xué)報(bào). 2018(07)
[2]旋轉(zhuǎn)機(jī)械故障診斷研究方法綜述[J]. 蘇乃權(quán),熊建斌,張清華,黃崇林.  機(jī)床與液壓. 2018(07)
[3]滾動(dòng)軸承內(nèi)外圈損傷對(duì)雙盤(pán)轉(zhuǎn)子響應(yīng)特性影響分析[J]. 黃亞明,曹樹(shù)謙.  振動(dòng)與沖擊. 2018(07)
[4]城市軌道交通車(chē)輛滾動(dòng)軸承故障檢測(cè)鑒別方法研究與綜述[J]. 付江南,馮林杰,李博,林靖洵.  現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化. 2018(04)
[5]基于A(yíng)RM與多路溫度采集技術(shù)的潤(rùn)滑系統(tǒng)研制[J]. 趙潤(rùn),趙玉剛,宋嚴(yán)科.  機(jī)床與液壓. 2018(02)
[6]基于變分原理選擇法的一種改進(jìn)[J]. 趙明亮.  數(shù)字技術(shù)與應(yīng)用. 2018(01)
[7]機(jī)械故障診斷的信號(hào)處理方法:頻域分析[J]. 趙宣銘.  時(shí)代農(nóng)機(jī). 2017(10)
[8]軸承振動(dòng)信號(hào)采集分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 李浩天,趙振剛,李英娜,許曉平,李川.  傳感器與微系統(tǒng). 2017(10)
[9]基于變分貝葉斯的數(shù)據(jù)分類(lèi)算法[J]. 張文倩,王瑛,張紅梅,宋增杰.  空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[10]改進(jìn)K均值模擬退火聚類(lèi)算法的滾動(dòng)軸承故障診斷[J]. 姚立國(guó),黃海松.  組合機(jī)床與自動(dòng)化加工技術(shù). 2017(04)



本文編號(hào)：3628371