旋轉機械是機械設備中的關鍵部件,其故障檢測和診斷對機械設備的正常運轉有著至關重要的作用。旋轉機械的振動信號一般均是非線性非平穩(wěn)信號,而現(xiàn)有的旋轉機械故障診斷方法對于非平穩(wěn)非線性信號的分析均存在著一定的缺陷,奇異譜分解方法（Singular Spectrum Decomposition,SSD）是一種針對非平穩(wěn)非線性的信號處理方法,論文研究了該方法的基礎理論和應用,提出了改進的奇異譜分解方法——GP-奇異譜分解方法（GP-Singular Spectrum Decomposition,GP-SSD）,并將其用于旋轉機械的故障診斷。對于旋轉機械變工況下的故障診斷,直接提取故障特征來進行診斷時對特征的選擇要求很高。時頻圖是能同時反映機械振動信號中時域及頻域信息的一種信息表達方式。因此,本文提出在時頻圖的基礎上對旋轉機械進行故障診斷,提出一種基于GP-奇異譜分解時頻圖的構造方法,并基于旋轉機械振動信號特點提出了一種旋轉機械CNN模型,將兩者相結合應用在旋轉機械變工況的故障診斷中。論文研究內容從以下幾方面展開:（1）提出了GP-奇異譜分解方法。對于奇異譜分解方法中嵌入維數(shù)的選取缺乏理論支撐的缺點... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【部分圖文】：

最左側的矩陣代表一張圖片，此圖片即為卷積神經網絡的輸入層

卷積層過濾器結構

最大池化層前向傳播示意圖

【參考文獻】：
期刊論文
[1]基于小波包模糊熵的往復壓縮機軸承故障特征提取方法研究[J]. 趙海洋,韓輝,王金東,李穎.  噪聲與振動控制. 2018(04)
[2]基于遞歸圖紋理特征分析的可視化故障診斷方法[J]. 王旭,岳應娟,蔡艷平,郭雅云.  圖學學報. 2017(06)
[3]柴油機氣門故障特征提取方法研究[J]. 費紅姿,張松娟,劉龍,李學民,馬修真.  內燃機工程. 2016(02)
[4]基于流形學習和改進VPMCD的滾動軸承故障診斷方法[J]. 潘海洋,楊宇,李永國,程軍圣.  振動工程學報. 2014(06)
[5]改進的希爾伯特-黃變換及其在滾動軸承故障診斷中的應用[J]. 鄭近德,程軍圣.  機械工程學報. 2015(01)
[6]基于廣義解調平滑能量分離算法的瞬時頻率估計[J]. 黃椒治,林慧斌,丁康.  振動工程學報. 2014(02)
[7]風力發(fā)電機組轉子不對中故障診斷[J]. 隆軍,吳金強.  噪聲與振動控制. 2013(03)
[8]在線參數(shù)辨識的脈沖噪聲有源控制[J]. 楊琴,周亞麗,張奇志.  噪聲與振動控制. 2013(02)
[9]基于振動信號診斷齒輪斷齒故障新方法[J]. 嚴作堂,陳宏.  機械傳動. 2012(09)
[10]基于振動譜時頻圖像特征及SVM參數(shù)同步優(yōu)化識別的內燃機故障診斷[J]. 蔡艷平,李艾華,何艷萍,王濤,王新軍,馮國彥.  內燃機學報. 2012(04)

博士論文
[1]自適應最稀疏時頻方法及其在旋轉機械故障診斷中的應用[D]. 彭延峰.湖南大學 2017
[2]基于時頻圖像識別的旋轉機械多特征融合故障診斷方法研究[D]. 王維剛.哈爾濱工業(yè)大學 2016
[3]自適應特征尺度分解方法及其在旋轉機械故障診斷中的應用[D]. 吳占濤.湖南大學 2015
[4]基于形狀索引特征的人臉檢測和識別[D]. 陳棟.中國科學技術大學 2015
[5]局部均值分解方法及其在旋轉機械故障診斷中的應用研究[D]. 張亢.湖南大學 2012
[6]基于改進支持向量機和紋理圖像分析的旋轉機械故障診斷[D]. 劉路.天津大學 2011
[7]旋轉機械系統(tǒng)故障特征提取中的分形方法研究[D]. 趙玲.重慶大學 2010
[8]基于振動譜圖像識別的故障診斷方法研究[D]. 林勇.浙江大學 2009
[9]基于Hilbert-Huang變換的旋轉機械故障診斷方法研究[D]. 程軍圣.湖南大學 2005

碩士論文
[1]變工況下的齒輪箱歸一化特征參數(shù)提取及其故障診斷[D]. 王健.湖南大學 2018
[2]圖像泊松去噪算法研究[D]. 張芳.杭州電子科技大學 2017
[3]基于紅外熱成像的電氣設備故障診斷[D]. 劉一凡.河北農業(yè)大學 2014
[4]多變量預測模型在旋轉機械故障診斷中的應用研究[D]. 潘海洋.湖南大學 2014
[5]基于特征提取的紋理圖像分割[D]. 董昱威.長安大學 2014
[6]卷積神經網絡在圖像識別上的應用的研究[D]. 許可.浙江大學 2012
[7]小波變換在軸承故障診斷中的研究與應用[D]. 姜紹俊.大連交通大學 2010



本文編號：3098081