發(fā)布時間：2018-01-11 01:30

  本文關(guān)鍵詞：棧式稀疏加噪自編碼深度神經(jīng)網(wǎng)絡的滾動軸承損傷程度診斷　出處：《振動與沖擊》2017年21期 　論文類型：期刊論文

  更多相關(guān)文章： 滾動軸承 損傷程度 稀疏加噪自編碼 深度神經(jīng)網(wǎng)絡 診斷

【摘要】：針對滾動軸承損傷程度的特征自學習提取與智能診斷問題,提出棧式稀疏加噪自編碼深度神經(jīng)網(wǎng)絡的滾動軸承損傷程度診斷方法。滾動軸承損傷特征受到工況、環(huán)境噪聲等干擾,淺層自編碼網(wǎng)絡對損傷特征的自學習、提取能力不足。為此,論文將稀疏項限制和加噪編碼融入自編碼網(wǎng)絡,同時將自編碼網(wǎng)絡堆棧并添加分類層,構(gòu)建出棧式稀疏加噪自編碼深度神經(jīng)網(wǎng)絡,進行軸承損傷特征非監(jiān)督自動提取與損傷程度智能診斷。稀疏項限制和深度神經(jīng)網(wǎng)絡的構(gòu)建提高了特征學習能力,加噪編碼的融入改善了網(wǎng)絡的魯棒性。所構(gòu)建深度神經(jīng)網(wǎng)絡通過多層無監(jiān)督逐層自學習和有監(jiān)督微調(diào),完成損傷特征自動提取與表達,并實現(xiàn)了損傷程度智能診斷。不同工況下軸承損傷程度診斷的實驗驗證證明了所提方法的可行性和有效性。
[Abstract]:Aiming at the problem of feature self-learning extraction and intelligent diagnosis of rolling bearing damage degree, a new method based on stack sparse noise-adding self-coding depth neural network is proposed to diagnose the rolling bearing damage degree, and the damage feature of rolling bearing is subjected to working conditions. Due to the interference of environment noise and the ability of self-learning of shallow self-coding network to extract damage features, the sparse item restriction and noise-added coding are incorporated into the self-coding network in this paper. At the same time, the self-coding network stack is added and the classification layer is added to construct the stack sparse noisy self-coding depth neural network. Unsupervised automatic extraction of bearing damage features and intelligent diagnosis of damage degree are carried out. Sparse term limitation and the construction of depth neural network improve feature learning ability. The integration of noise-coding improves the robustness of the network. The depth neural network is constructed through multi-layer unsupervised self-learning and supervised fine-tuning to complete the automatic extraction and expression of damage features. The intelligent diagnosis of damage degree has been realized, and the feasibility and effectiveness of the proposed method have been proved by the experimental results of bearing damage degree diagnosis under different working conditions.
【作者單位】： 重慶交通大學機電與車輛工程學院;四川大學空天科學與工程學院;重慶交通大學經(jīng)濟與管理學院;
【基金】：國家自然科學基金(51305471) 中國博士后科學基金(2014M560719;2016M590861) 重慶市基礎與前沿研究計劃資助項目(cstc2014jcyj A70009;cstc2015jcyj A70012) 重慶市教育委員會科學技術(shù)研究(KJ1400308) 國家留學基金(201408505081)
【分類號】：TH133.33;TP183
【正文快照】： 滾動軸承是旋轉(zhuǎn)機械的重要部件,其性能退化或失效影響整機性能及其運行可靠性。目前滾動軸承故障診斷多集中于故障分類研究,而工程中僅判斷是否發(fā)生故障以及故障類型難以進行預防維護,只有對損傷程度進行準確評估和診斷才能有效指導軸承維護工作。所以,軸承損傷程度的診斷研究

【相似文獻】

相關(guān)期刊論文 前10條

1 賈爽;賀利樂;;基于粒子群優(yōu)化SOM神經(jīng)網(wǎng)絡的軸系多振動故障診斷[J];機械傳動;2011年06期

2 唐貴基;楊玉婧;宋彩萌;;基于神經(jīng)網(wǎng)絡的旋轉(zhuǎn)機械振動故障診斷[J];機械工程師;2012年01期

3 欒美潔;許飛云;賈民平;;旋轉(zhuǎn)機械故障診斷的神經(jīng)網(wǎng)絡方法研究[J];噪聲與振動控制;2008年01期

4 高強;錢林方;侯遠龍;王力;;泵控缸電液位置伺服系統(tǒng)的神經(jīng)網(wǎng)絡模型參考自適應控制[J];機床與液壓;2008年06期

5 徐小力;左云波;吳國新;;量子神經(jīng)網(wǎng)絡在旋轉(zhuǎn)機組狀態(tài)趨勢預測中的應用[J];機械強度;2010年04期

6 何文;同淑榮;王克勤;;基于神經(jīng)網(wǎng)絡的質(zhì)量控制圖異常診斷[J];機械制造;2013年05期

7 許寧,黃之初;神經(jīng)網(wǎng)絡在旋轉(zhuǎn)機械故障診斷中的應用研究[J];礦山機械;2005年08期

8 宋文杰;劉伯峰;王平;姜冰;;基于小波—神經(jīng)網(wǎng)絡的故障劣化趨勢檢測[J];職大學報(自然科學版);2006年02期

9 王志濤;肖明清;謝化勇;禚真福;薛輝輝;;基于神經(jīng)網(wǎng)絡的故障診斷效能模糊綜合評價研究[J];計算機測量與控制;2011年12期

10 戴中浩;林瓊;王秋成;;基于神經(jīng)網(wǎng)絡的再制造自動變速箱檢測及試驗研究[J];機械制造;2012年01期

相關(guān)會議論文 前9條

1 杜福銀;封其勃;;一種基于Hopfield神經(jīng)網(wǎng)絡作業(yè)車間調(diào)度問題的優(yōu)化方法[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

2 宋國明;王厚軍;姜書艷;劉紅;;基于神經(jīng)網(wǎng)絡的融合智能診斷方法在模擬電路故障診斷中的應用[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

3 宋軼民;余躍慶;張策;馬文貴;;基于神經(jīng)網(wǎng)絡的機敏機構(gòu)振動自校正控制[A];第十二屆全國機構(gòu)學學術(shù)研討會論文集[C];2000年

4 吳洪民;;氣動伺服定位系統(tǒng)的神經(jīng)網(wǎng)絡模糊自適應PID控制[A];第一屆全國流體動力及控制工程學術(shù)會議論文集（第二卷）[C];2000年

5 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡自學習自適應控制[A];液壓與氣動學術(shù)研討會論文集[C];2004年

6 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡自學習自適應控制[A];第三屆全國流體傳動及控制工程學術(shù)會議論文集（第三卷）[C];2004年

7 曹春紅;張斌;王利民;李文輝;;基于免疫神經(jīng)網(wǎng)絡的幾何約束求解技術(shù)的研究[A];第二十七屆中國控制會議論文集[C];2008年

8 謝進;閻開印;陳永;;神經(jīng)網(wǎng)絡技術(shù)在平面機構(gòu)綜合中的應用[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責任和對策（下冊）[C];2002年

9 徐志方;賀小明;張傳維;沈路;;集成神經(jīng)網(wǎng)絡信息融合技術(shù)在給水泵故障診斷中的應用[A];設備監(jiān)測與診斷技術(shù)及其應用——第十二屆全國設備監(jiān)測與診斷學術(shù)會議論文集[C];2005年

相關(guān)博士學位論文 前3條

1 李永波;滾動軸承故障特征提取與早期診斷方法研究[D];哈爾濱工業(yè)大學;2017年

2 王曉龍;基于振動信號處理的滾動軸承故障診斷方法研究[D];華北電力大學(北京);2017年

3 劉尚坤;基于振動信號處理的旋轉(zhuǎn)機械故障診斷方法研究[D];華北電力大學(北京);2017年

相關(guān)碩士學位論文 前10條

1 王栗;面向電機軸承的快速故障診斷方法研究[D];沈陽理工大學;2015年

2 于會超;機械觸覺機構(gòu)及控制的研究與應用[D];華北理工大學;2015年

3 李捷;基于神經(jīng)網(wǎng)絡的軸承故障診斷技術(shù)研究[D];電子科技大學;2015年

4 宋銀芳;橋式起重機故障分析與故障率預測方法研究[D];安徽理工大學;2016年

5 高芮;基于神經(jīng)網(wǎng)絡的機械故障診斷技術(shù)的研究[D];青島科技大學;2016年

6 程翔;基于神經(jīng)網(wǎng)絡的輪帶系統(tǒng)橫向振動的變結(jié)構(gòu)控制[D];福州大學;2014年

7 龐艷艷;基于選擇性神經(jīng)網(wǎng)絡的故障診斷研究[D];華中科技大學;2014年

8 徐銘志;基于神經(jīng)網(wǎng)絡PID的金屬帶式無級變速器速比控制研究[D];燕山大學;2016年

9 齊放;基于極限學習機的設備故障預測方法及應用研究[D];北京化工大學;2016年

10 尤海鑫;BP神經(jīng)網(wǎng)絡與模糊邏輯在智能故障診斷中的應用[D];大連交通大學;2014年

，

本文編號：1407627