軸承是機械設(shè)備中的重要核心部件和故障源之一,滾動軸承狀態(tài)檢測和診斷對于避免機械系統(tǒng)的災(zāi)難性故障非常重要。隨著大數(shù)據(jù)時代到來,基于機器學習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器學習中的判別式模型。然而,隨著滾動軸承應(yīng)用場景更加廣泛,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)動態(tài)變化。為解決此問題,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)計推斷方法。針對生成式診斷模型選擇問題,通過分析故障特征分布,提出采用混合高斯分布作為生成式診斷模型;針對生成式模型高維復(fù)雜且難以推斷精確分布的問題,本課題提出采用基于Gibbs抽樣的生成式診斷模型統(tǒng)計推斷方法,通過隨機抽樣得到分布;針對Gibbs抽樣統(tǒng)計推斷方法收斂速度慢的問題,本課題進一步提出采用基于變分貝葉斯的生成式診斷模型統(tǒng)計推斷方法,變分貝葉斯利用先驗信息構(gòu)建分布,該方法在保證準確率的前提下進一步提高了收斂速度。對于待診斷的故障數(shù)據(jù),結(jié)合生成式診斷模型和貝葉斯定理實現(xiàn)故障的準確診斷。通過采用滾動軸承公開標準數(shù)據(jù)集和中國鐵路實際數(shù)據(jù)分析表明,基于Gibbs抽樣統(tǒng)計推斷得到的生成式診斷模型與基于支持向... 

【文章來源】：北京信息科技大學北京市

【文章頁數(shù)】：56 頁

【學位級別】：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 滾動軸承故障診斷技術(shù)研究現(xiàn)狀
        1.3.1 滾動軸承的故障種類及其成因
        1.3.2 滾動軸承信號采集方法
        1.3.3 滾動軸承故障信號分析方法
        1.3.4 滾動軸承故障診斷診斷方法
    1.4 統(tǒng)計推斷綜述
        1.4.1 基于頻率統(tǒng)計推斷
        1.4.2 基于貝葉斯統(tǒng)計推斷
    1.5 滾動軸承故障診斷模型
    1.6 本文的研究內(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)計研究
    2.1 數(shù)據(jù)預(yù)處理技術(shù)
    2.2 滾動軸承故障特征提取
    2.3 滾動軸承故障特征篩選
    2.4 滾動軸承故障特征統(tǒng)計分析
    2.5 生成式診斷模型及統(tǒng)計推斷
    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 美國凱斯西儲大學軸承數(shù)據(jù)結(jié)果分析
        3.3.2 中國鐵路局機車軸承實測數(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 美國凱斯西儲大學軸承數(shù)據(jù)結(jié)果分析
        4.3.2 中國鐵路局機車軸承實測數(shù)據(jù)結(jié)果分析
    4.4 算法與結(jié)果分析
    4.5 統(tǒng)計推斷算法比較
    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 未來展望
致謝
參考文獻
在學期間發(fā)表的學術(shù)論文與研究成果


【參考文獻】：
期刊論文
[1]貝塔混合模型的變分貝葉斯學習及應(yīng)用[J]. 賴裕平,高寧,何聞達,平原,杜春來,王寶成,丁洪偉.  電子學報. 2018(07)
[2]旋轉(zhuǎn)機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.  機床與液壓. 2018(07)
[3]滾動軸承內(nèi)外圈損傷對雙盤轉(zhuǎn)子響應(yīng)特性影響分析[J]. 黃亞明,曹樹謙.  振動與沖擊. 2018(07)
[4]城市軌道交通車輛滾動軸承故障檢測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)濟和信息化. 2018(04)
[5]基于ARM與多路溫度采集技術(shù)的潤滑系統(tǒng)研制[J]. 趙潤,趙玉剛,宋嚴科.  機床與液壓. 2018(02)
[6]基于變分原理選擇法的一種改進[J]. 趙明亮.  數(shù)字技術(shù)與應(yīng)用. 2018(01)
[7]機械故障診斷的信號處理方法:頻域分析[J]. 趙宣銘.  時代農(nóng)機. 2017(10)
[8]軸承振動信號采集分析系統(tǒng)設(shè)計與實現(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)分類算法[J]. 張文倩,王瑛,張紅梅,宋增杰.  空軍工程大學學報(自然科學版). 2017(02)
[10]改進K均值模擬退火聚類算法的滾動軸承故障診斷[J]. 姚立國,黃海松.  組合機床與自動化加工技術(shù). 2017(04)



本文編號：3628371