發(fā)布時(shí)間：2021-07-11 04:08

　　旋轉(zhuǎn)機(jī)械廣泛應(yīng)用于航空航天、軌道交通、石油化工、汽車制造和風(fēng)力發(fā)電等關(guān)乎國(guó)計(jì)民生的重要工程領(lǐng)域。開展旋轉(zhuǎn)機(jī)械及其關(guān)鍵部件的狀態(tài)監(jiān)測(cè)和故障診斷,對(duì)保障設(shè)備健康穩(wěn)定運(yùn)行、提升運(yùn)轉(zhuǎn)效率和避免重大事故發(fā)生具有重要的意義。深度學(xué)習(xí)是包含多個(gè)隱藏層的深度神經(jīng)網(wǎng)絡(luò),通過模擬人腦的分層結(jié)構(gòu),構(gòu)建多層非線性變換,挖掘輸入數(shù)據(jù)內(nèi)部隱藏的分布式特征表示。遷移學(xué)習(xí),作為一種新的學(xué)習(xí)范式,基于數(shù)據(jù)或任務(wù)的相似性,能將一個(gè)或多個(gè)領(lǐng)域?qū)W到的知識(shí),通過模型自適應(yīng)調(diào)整,遷移和應(yīng)用到新的場(chǎng)景中,使模型具備舉一反三的能力。因此,本文以深度遷移學(xué)習(xí)為核心,圍繞旋轉(zhuǎn)機(jī)械智能診斷領(lǐng)域的若干關(guān)鍵問題,在特征提取和增強(qiáng)、小樣本學(xué)習(xí)、變工況診斷和多傳感器信息融合方面展開深入研究,主要內(nèi)容包括以下四個(gè)方面:1)針對(duì)機(jī)械設(shè)備核心部件故障發(fā)生時(shí),故障信號(hào)微弱,特征提取和學(xué)習(xí)困難的問題,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)和子空間遷移的特征增強(qiáng)方法�？紤]信號(hào)的循環(huán)平穩(wěn)特性,采用循環(huán)譜分析技術(shù)獲取循環(huán)譜相干映射圖,有效揭示不同健康狀況的特征差異。同時(shí),建立卷積神經(jīng)網(wǎng)絡(luò)診斷模型,引入子空間遷移學(xué)習(xí)技術(shù),構(gòu)造組歸一化和關(guān)聯(lián)對(duì)齊兩個(gè)無監(jiān)督適配層,自適應(yīng)調(diào)整網(wǎng)絡(luò)的... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：161 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

論文章節(jié)結(jié)構(gòu)安排

對(duì)輸入圖像的卷積操作

池化操作

【參考文獻(xiàn)】：
期刊論文
[1]德國(guó)工業(yè)4.0成熟度標(biāo)準(zhǔn)最新研究[J]. 陳偉康,鄭豪.  機(jī)械工業(yè)標(biāo)準(zhǔn)化與質(zhì)量. 2020(02)
[2]基于小波包和改進(jìn)核最近鄰算法的風(fēng)機(jī)齒輪箱故障診斷方法[J]. 王棟璀,丁云飛,朱晨烜,孫佳林.  電機(jī)與控制應(yīng)用. 2019(01)
[3]基于改進(jìn)堆疊降噪自編碼的滾動(dòng)軸承故障分類[J]. 侯文擎,葉鳴,李巍華.  機(jī)械工程學(xué)報(bào). 2018(07)
[4]基于K近鄰證據(jù)融合的故障診斷方法[J]. 侯平智,張明,徐曉濱,黃大榮.  控制與決策. 2017(10)
[5]美國(guó)重振制造業(yè)及其對(duì)《中國(guó)制造2025》實(shí)施的啟示[J]. 毛濤,高浚淇,白旻.  全球化. 2017(05)
[6]奇異值分解與遷移學(xué)習(xí)在電機(jī)故障診斷中的應(yīng)用[J]. 沈飛,陳超,嚴(yán)如強(qiáng).  振動(dòng)工程學(xué)報(bào). 2017(01)
[7]基于改進(jìn)的K最近鄰分類器的風(fēng)機(jī)故障診斷[J]. 吳斌,奚立峰,范思遐,王加祥.  機(jī)械設(shè)計(jì)與研究. 2016(05)
[8]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[9]基于深度學(xué)習(xí)理論的軸承狀態(tài)識(shí)別研究[J]. 郭亮,高宏力,張一文,黃海鳳.  振動(dòng)與沖擊. 2016(12)
[10]阿法狗圍棋系統(tǒng)的簡(jiǎn)要分析[J]. 田淵棟.  自動(dòng)化學(xué)報(bào). 2016(05)

博士論文
[1]基于機(jī)器學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障診斷方法的研究[D]. 徐波.武漢科技大學(xué) 2019
[2]特征降維與自適應(yīng)特征提取方法及其在行星齒輪箱故障診斷中的應(yīng)用研究[D]. 趙川.北京科技大學(xué) 2018
[3]齒輪系統(tǒng)振動(dòng)信號(hào)調(diào)制機(jī)理及非平穩(wěn)信號(hào)稀疏分解方法研究[D]. 李永焯.華南理工大學(xué) 2018
[4]基于排序模式分析與深度學(xué)習(xí)的風(fēng)電設(shè)備故障診斷方法研究[D]. 江國(guó)乾.燕山大學(xué) 2017
[5]旋轉(zhuǎn)機(jī)械傳動(dòng)件微弱故障融合診斷方法研究[D]. 陳海周.重慶大學(xué) 2017
[6]復(fù)合齒輪傳動(dòng)系統(tǒng)振動(dòng)響應(yīng)調(diào)制機(jī)理及稀疏分離方法研究[D]. 何國(guó)林.華南理工大學(xué) 2015
[7]基于流形學(xué)習(xí)的機(jī)械狀態(tài)識(shí)別方法研究[D]. 張紹輝.華南理工大學(xué) 2014
[8]離散頻譜校正理論的抗噪性能研究及其在工程中的應(yīng)用[D]. 林慧斌.華南理工大學(xué) 2010
[9]基于Hilbert-Huang變換的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D]. 程軍圣.湖南大學(xué) 2005

碩士論文
[1]基于改進(jìn)堆疊降噪自編碼網(wǎng)絡(luò)的軸承故障診斷研究[D]. 侯文擎.華南理工大學(xué) 2017
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的變速器故障分類識(shí)別研究[D]. 曾雪瓊.華南理工大學(xué) 2016



本文編號(hào)：3277305