數(shù)控機(jī)床作為現(xiàn)代制造生產(chǎn)中的關(guān)鍵技術(shù)設(shè)備,以其高精密度、高效率的生產(chǎn)特性成為了現(xiàn)代工業(yè)之母。因機(jī)床故障而引起的停機(jī)事件給企業(yè)帶來了巨大的經(jīng)濟(jì)損失,而數(shù)控機(jī)床機(jī)械部件由于診斷困難廣泛采用定期維護(hù)與更換的維修制度,造成人力與物質(zhì)資源的極大浪費,因此對數(shù)控機(jī)床的健康診斷和故障辨識方法研究具有十分重要的意義。本文以數(shù)控機(jī)床的常見故障部件伺服系統(tǒng)、滾動軸承和變速齒輪箱為研究對象,以現(xiàn)代機(jī)器學(xué)習(xí)理論及方法為基礎(chǔ),針對其故障機(jī)理、故障特征提取、故障模式分類以及健康狀態(tài)評估等方面進(jìn)行深入地研究,分別開展了基于貝葉斯網(wǎng)絡(luò)的灰色關(guān)聯(lián)區(qū)間三角模糊多屬性伺服系統(tǒng)故障診斷方法、基于流形學(xué)習(xí)的變速箱故障特征提取方法和基于深度卷積神經(jīng)網(wǎng)絡(luò)的滾動軸承故障分類方法的研究,并搭建了面向健康狀態(tài)診斷的數(shù)控機(jī)床故障辨識系統(tǒng)。論文的主要工作如下:（1）針對數(shù)控機(jī)床伺服系統(tǒng)故障信息屬性權(quán)重未知的特點,通過對伺服系統(tǒng)機(jī)理分析,提出一種基于貝葉斯網(wǎng)絡(luò)的灰色關(guān)聯(lián)區(qū)間三角模糊多屬性故障診斷方法。將主軸伺服系統(tǒng)各故障信息之間多屬性層次結(jié)構(gòu)利用貝葉斯網(wǎng)絡(luò)建立了邏輯關(guān)系,為了獲得各故障信息的權(quán)重值,在傳統(tǒng)灰色關(guān)聯(lián)分析理論的基礎(chǔ)上,通過構(gòu)建多目... 

【文章來源】：山東農(nóng)業(yè)大學(xué)山東省

【文章頁數(shù)】：106 頁

【學(xué)位級別】：博士

【文章目錄】：
中文摘要
Abstract
1 緒論
    1.1 研究背景、意義及目的
    1.2 數(shù)控機(jī)床故障診斷國內(nèi)外研究現(xiàn)狀
        1.2.1 伺服系統(tǒng)故障診斷國內(nèi)外研究現(xiàn)狀
        1.2.2 變速齒輪箱故障診斷國內(nèi)外研究
        1.2.3 滾動軸承故障診斷國內(nèi)外研究現(xiàn)狀
    1.3 健康狀態(tài)診斷評估國內(nèi)外研究現(xiàn)狀
    1.4 本文研究內(nèi)容和技術(shù)路線
    1.5 本章小結(jié)
2 故障信息權(quán)重未知的主軸伺服系統(tǒng)故障診斷方法研究
    2.1 引言
    2.2 伺服系統(tǒng)故障機(jī)理分析
    2.3 基于貝葉斯網(wǎng)絡(luò)的灰色系統(tǒng)關(guān)聯(lián)分析法
        2.3.1 貝葉斯網(wǎng)絡(luò)
        2.3.2 灰色系統(tǒng)理論
    2.4 基于灰色關(guān)聯(lián)法修正的區(qū)間三角模糊多屬性方法
    2.5 基于區(qū)間三角模糊多屬性灰色關(guān)聯(lián)決策方法的主軸伺服系統(tǒng)故障分析
    2.6 本章小節(jié)
3 基于流形學(xué)習(xí)的變速箱故障特征提取方法研究
    3.1 引言
    3.2 變速齒輪箱故障機(jī)理分析
        3.2.1 齒輪箱動力學(xué)分析
        3.2.2 齒輪振動原理分析
    3.3 流形學(xué)習(xí)
    3.4 監(jiān)督拉普拉斯特征學(xué)習(xí)算法
    3.5 基于監(jiān)督拉普拉斯特征學(xué)習(xí)的變速箱故障特征提取方法
    3.6 故障特征提取試驗分析
        3.6.1 IRIS樣本集
        3.6.2 轉(zhuǎn)子試驗臺模擬數(shù)據(jù)
        3.6.3 機(jī)床變速箱數(shù)據(jù)
    3.7 本章小結(jié)
4 基于深度卷積神經(jīng)網(wǎng)絡(luò)的滾動軸承故障分類方法研究
    4.1 引言
    4.2 滾動軸承故障機(jī)理分析
        4.2.1 滾動軸承動力學(xué)分析
        4.2.2 滾動軸承振動分析
    4.3 深度學(xué)習(xí)
    4.4 深度卷積神經(jīng)網(wǎng)絡(luò)
        4.4.1 深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.4.2 卷積層
        4.4.3 池化層
        4.4.4 全連接層
    4.5 基于深度卷積神經(jīng)網(wǎng)絡(luò)的軸承故障分類方法
    4.6 滾動軸承故障診斷實例
    4.7 本章小結(jié)
5 數(shù)控機(jī)床健康狀態(tài)診斷與故障辨識系統(tǒng)試驗
    5.1 引言
    5.2 數(shù)控機(jī)床健康狀態(tài)診斷與故障辨識系統(tǒng)構(gòu)建
    5.3 試驗方案設(shè)計
        5.3.1 傳感器選擇
        5.3.2 I/O模塊選擇
        5.3.3 數(shù)據(jù)采集平臺選擇
    5.4 數(shù)控機(jī)床主軸伺服系統(tǒng)故障試驗
    5.5 數(shù)控機(jī)床變速箱故障試驗
    5.6 數(shù)控機(jī)床滾動軸承故障試驗
    5.7 數(shù)控機(jī)床健康診斷與故障辨識系統(tǒng)
        5.7.1 系統(tǒng)設(shè)置模塊
        5.7.2 數(shù)據(jù)采集分析模塊
        5.7.3 健康分析模塊
        5.7.4 故障辨識模塊
    5.8 本章小結(jié)
6 總結(jié)與展望
    6.1 結(jié)論
    6.2 論文創(chuàng)新點
    6.3 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間主要成果


【參考文獻(xiàn)】：
期刊論文
[1]CNN和D-S證據(jù)理論相結(jié)合的齒輪箱復(fù)合故障診斷研究[J]. 張立智,井陸陽,徐衛(wèi)曉,譚繼文.  機(jī)械科學(xué)與技術(shù). 2019(10)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的層級化智能故障診斷算法[J]. 曲建嶺,余路,袁濤,田沿平,高峰.  控制與決策. 2019(12)
[3]滾動軸承故障診斷的自適應(yīng)包絡(luò)譜譜峰因子算法[J]. 張龍,毛志德,熊國良,崔路瑤.  機(jī)械科學(xué)與技術(shù). 2019(04)
[4]數(shù)控機(jī)床控制及故障診斷系統(tǒng)的設(shè)計與實現(xiàn)[J]. 周少梅.  自動化與儀器儀表. 2018(10)
[5]基于階頻譜相關(guān)組合切片能量和SVM的滾動軸承故障診斷[J]. 汪治安,夏均忠,白云川,劉鯤鵬,呂麒鵬.  軍事交通學(xué)院學(xué)報. 2017(12)
[6]基于MCKD-EEMD近似熵和TWSVM的齒輪箱故障診斷[J]. 張曹,陳珺,劉飛.  計算機(jī)測量與控制. 2017(12)
[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.測試與診斷. 2017(06)
[8]伺服系統(tǒng)故障診斷專家系統(tǒng)設(shè)計[J]. 張翔翔,湯岳斌.  微電機(jī). 2017(09)
[9]基于激光自混合干涉技術(shù)和小波變換的齒輪箱故障診斷[J]. 姜春雷,周旭明.  光學(xué)技術(shù). 2017(01)
[10]基于深度信念網(wǎng)絡(luò)的軸承故障分類識別[J]. 李巍華,單外平,曾雪瓊.  振動工程學(xué)報. 2016(02)

博士論文
[1]齒輪箱振動特性分析與智能故障診斷方法研究[D]. 何俊.浙江大學(xué) 2018
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究及應(yīng)用[D]. 高震宇.中國科學(xué)技術(shù)大學(xué) 2018
[3]基于異類傳感器融合的數(shù)控機(jī)床伺服系統(tǒng)故障診斷關(guān)鍵技術(shù)研究[D]. 孫顯彬.青島理工大學(xué) 2016
[4]面向飛行器關(guān)鍵部件健康管理的故障預(yù)測方法研究[D]. 范彬.國防科學(xué)技術(shù)大學(xué) 2015
[5]局部特征尺度分解方法及其在機(jī)械故障診斷中的應(yīng)用研究[D]. 鄭近德.湖南大學(xué) 2014
[6]異步電機(jī)定子繞組匝間故障診斷方法研究[D]. 王旭紅.湖南大學(xué) 2012
[7]幾種模糊多屬性決策方法及其應(yīng)用[D]. 張市芳.西安電子科技大學(xué) 2012
[8]基于振動信號特征提取與表達(dá)的旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測與故障診斷研究[D]. 黃偉國.中國科學(xué)技術(shù)大學(xué) 2010
[9]信息融合和貝葉斯網(wǎng)絡(luò)集成的故障診斷理論方法及實驗研究[D]. 劉思遠(yuǎn).燕山大學(xué) 2010
[10]混合智能技術(shù)及其在故障診斷中的應(yīng)用研究[D]. 雷亞國.西安交通大學(xué) 2007

碩士論文
[1]基于機(jī)器學(xué)習(xí)的故障預(yù)測與健康管理（PHM）方法研究[D]. 李永亮.電子科技大學(xué) 2017
[2]基于模糊理論和時間序列分析的開關(guān)柜在線健康狀態(tài)評估與預(yù)測輔助系統(tǒng)研究[D]. 彭炎亮.安徽師范大學(xué) 2016
[3]基于核密度估計和K-L散度的旋轉(zhuǎn)機(jī)械故障診斷與健康評估方法研究[D]. 張凡.電子科技大學(xué) 2015
[4]基于健康狀態(tài)評估的數(shù)控機(jī)床維修決策[D]. 雷剛.華中科技大學(xué) 2014
[5]基于小波包特征提取和流向圖故障決策的齒輪故障診斷[D]. 牛培路.哈爾濱工業(yè)大學(xué) 2013
[6]基于隱Markov模型的重型數(shù)控機(jī)床健康狀態(tài)評估方法研究[D]. 孫耀宗.華中科技大學(xué) 2013
[7]高速滾珠絲杠副性能試驗臺的研制及絲杠溫升試驗[D]. 程鑫.山東大學(xué) 2011
[8]基于小波神經(jīng)網(wǎng)絡(luò)的數(shù)控機(jī)床關(guān)鍵部件故障診斷[D]. 喬宏.西南交通大學(xué) 2011
[9]振動診斷技術(shù)在數(shù)控機(jī)床狀態(tài)監(jiān)測與故障診斷中應(yīng)用的研究[D]. 鄧曉云.大連交通大學(xué) 2010
[10]基于場路耦合的交流電機(jī)故障引起的振動研究[D]. 黎臘紅.河海大學(xué) 2007



本文編號：3151894