滾動(dòng)軸承作為大型機(jī)械設(shè)備的基本部件,其狀態(tài)的正常與否直接影響到設(shè)備能否安全運(yùn)行。若軸承在設(shè)備運(yùn)行過程中出現(xiàn)故障,不但會(huì)造成巨大的經(jīng)濟(jì)損失,甚至?xí)l(fā)一系列災(zāi)難。因此,對(duì)滾動(dòng)軸承故障診斷技術(shù)進(jìn)行研究具有十分重要的實(shí)際意義。故障診斷的過程一般可分為四個(gè)步驟:信號(hào)采集、特征提取、特征選擇和故障識(shí)別。其中故障的特征提取和故障識(shí)別是最終決定能否準(zhǔn)確判斷滾動(dòng)軸承故障類別的重要步驟,故本文將從這兩方面進(jìn)行深入研究。主要工作如下:(1)對(duì)滾動(dòng)軸承故障信號(hào)的特征提取方法的研究:首先針對(duì)稀疏降噪自編碼器(SDA)在特征提取過程中存在的計(jì)算復(fù)雜度高、參數(shù)不易調(diào)節(jié)和訓(xùn)練收斂速度慢等問題,對(duì)SDA網(wǎng)絡(luò)的損失函數(shù)進(jìn)行邊緣化處理,構(gòu)成稀疏邊緣降噪自編碼器(MSDA),隨后結(jié)合逐層貪婪算法得到具備深層神經(jīng)網(wǎng)絡(luò)性質(zhì)的堆疊稀疏邊緣降噪自編碼器(SMSDA),然后將SMSDA網(wǎng)絡(luò)與Softmax分類器結(jié)合,得到SMSDA-Softmax特征提取模型,最后利用QPZZ-Ⅱ旋轉(zhuǎn)機(jī)械故障模擬實(shí)驗(yàn)平臺(tái)模擬多種故障類型,對(duì)比實(shí)驗(yàn)表明,本文提出方法相比于傳統(tǒng)的堆疊稀疏降噪自編碼器(SSDA),在收斂速度以及學(xué)習(xí)精度上都有了較大提升。(...

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.2故障診斷實(shí)驗(yàn)平臺(tái)

武漢科技大學(xué)碩士學(xué)位論文24圖3.2故障診斷實(shí)驗(yàn)平臺(tái)3.3.1實(shí)驗(yàn)數(shù)據(jù)本次實(shí)驗(yàn)的振動(dòng)信號(hào)來源于QPZZ-Ⅱ旋轉(zhuǎn)機(jī)械振動(dòng)故障實(shí)驗(yàn)平臺(tái)上，實(shí)驗(yàn)軸承型號(hào)為N205EM,軸承節(jié)徑為39.5mm,滾動(dòng)體直徑為7.5mm,滾動(dòng)體個(gè)數(shù)為12個(gè),接觸角為0°。信號(hào)采集傳感器為IMIM626B03....

圖4.2非線性支持向量機(jī)原理圖

武漢科技大學(xué)碩士學(xué)位論文32圖4.2非線性支持向量機(jī)原理圖在給定核函數(shù)的情況下，可以采用求線性分類問題的方法對(duì)非線性分類問題進(jìn)行求解。學(xué)習(xí)是隱式地在特征空間中進(jìn)行，這樣的技巧稱為核技巧。在實(shí)際應(yīng)用中，核函數(shù)的選取往往通過經(jīng)驗(yàn)判斷，本文接下來對(duì)幾種常見的核函數(shù)進(jìn)行了簡(jiǎn)單介紹。（1）....

圖5.1滾動(dòng)軸承實(shí)驗(yàn)平臺(tái)

武漢科技大學(xué)碩士學(xué)位論文38第5章實(shí)驗(yàn)研究在第三章中，本文已采用實(shí)驗(yàn)室故障診斷實(shí)驗(yàn)平臺(tái)證明了SMSDA-Softmax模型能夠直接對(duì)滾動(dòng)軸承的原始信號(hào)進(jìn)行分類識(shí)別，并且在不同噪聲干擾下都能取得良好的診斷效果。針對(duì)第四章提出的SMSDA-PSO-SVM模型，為了檢測(cè)模型在面對(duì)多種故....

圖5.3分類混淆矩陣

武漢科技大學(xué)碩士學(xué)位論文42表5.5模型主要參數(shù)名稱數(shù)值輸入節(jié)點(diǎn)1024輸出層節(jié)點(diǎn)10稀疏性參數(shù)0.05稀疏懲罰項(xiàng)參數(shù)0.008邊緣限制參數(shù)0.0003本次仿真實(shí)驗(yàn)選取含有3個(gè)隱層的SMSDA網(wǎng)絡(luò)，其中每個(gè)隱藏層神經(jīng)元數(shù)量分別選擇為512-512-256。5.4.2改進(jìn)支持向量機(jī)....

本文編號(hào)：3996601