【摘要】：滾動軸承作為旋轉(zhuǎn)機械設備中不可或缺的關鍵部件,在整個設備的安全性能方面有著舉足輕重的地位。如果不能及時準確地對滾動軸承進行定量評估,輕則設備停運,重則機毀人亡。因此實現(xiàn)滾動軸承的多狀態(tài)評估有著十分重要的意義。為充分挖掘滾動軸承振動信號所包含的軸承運行狀態(tài)的信息,論文對滾動軸承的振動信號分別進行淺層特征和深層特征提取。淺層特征主要包括時域、頻域和時-頻特征,深層特征基于深度學習理論下的稀疏自動編碼器進行自適應提取。深層特征相比于淺層特征,可省去繁瑣的人工提取步驟并提高效率。為進一步對比淺層特征與深層特征的優(yōu)缺點,深入研究t分布隨機鄰域嵌入(t-SNE)算法在數(shù)據(jù)可視化方面的應用。論文基于t-SNE算法將兩類特征進行可視化,從直觀的角度將兩類特征進行對比,結果表明深層特征更有利于滾動軸承多狀態(tài)評估。此外,通過與其他降維方法作對比來驗證t-SNE在可視化方面的優(yōu)越性。因超球支持向量機在處理數(shù)據(jù)異構、樣本分布不均等問題上具有獨特優(yōu)勢,論文將超球支持向量機作為分類模型,結合改進后的決策策略,完成軸承多狀態(tài)的識別。同時利用遺傳算法完成模型中的參數(shù)尋優(yōu)。通過實驗驗證該方法的有效性。最后,為準確掌握軸承的多種運行狀態(tài),將深層特征作為超球支持向量機的輸入,用于滾動軸承的多狀態(tài)評估。然后提出將各個狀態(tài)相對于正常狀態(tài)的衰退系數(shù)與相對補償距離相結合,構造多狀態(tài)統(tǒng)一評估指標,實現(xiàn)對滾動軸承多狀態(tài)的有效評估。
【圖文】：

是神經(jīng)網(wǎng)絡的一種，特點是讓輸出盡可能的還原器和解碼器兩部分組成，本質(zhì)上都是對輸入信號將高維空間中的數(shù)據(jù)轉(zhuǎn)換成低維空間中的編碼矢編碼器中給的編碼網(wǎng)絡實現(xiàn)的。解碼網(wǎng)絡相當于將低維中的編碼矢量重構，進而得到原始的輸入碼器的編碼和解碼之間實現(xiàn)的[21]。在基本的自動 后，在激活函數(shù)的作用下得到一個編碼結果 y。激，智者見智的過程，但在自動編碼器中，通常選傳統(tǒng)的自動編碼器分為 3 層，分別為輸入層、隱含編碼器的原理如公式(2-31)所示：y = f( x)=s(Wx+b)θtest +=11( )參數(shù)，θ={W ,b}，W 為 d’×d 的權重矩陣，b 為輸函數(shù)，如式(2-32)所示。圖 2-1 給出自動編碼器的1~x

-16-基于稀疏自動編碼器提g deep feature flow cha滾動軸承深層特征狀態(tài)數(shù)據(jù)。選定不點的長度。數(shù)據(jù)進行 Fourier 變行網(wǎng)絡訓練。碼器中每一層神經(jīng)
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TH133.33

【參考文獻】

相關期刊論文 前10條

1 雷亞國;賈峰;周昕;林京;;基于深度學習理論的機械裝備大數(shù)據(jù)健康監(jiān)測方法[J];機械工程學報;2015年21期

2 林少飛;盛惠興;李慶武;;基于堆疊稀疏自動編碼器的手寫數(shù)字分類[J];微處理機;2015年01期

3 劉勘;袁蘊英;;基于自動編碼器的短文本特征提取及聚類研究[J];北京大學學報(自然科學版);2015年02期

4 康守強;李祝強;楊廣學;王玉靜;;小波包-局部線性嵌入算法在滾動軸承故障程度識別中的應用[J];儀器儀表學報;2014年03期

5 黃紫成;楊雅芳;;流行學習算法應用于基因芯片數(shù)據(jù)分析[J];計算機時代;2013年11期

6 王宏超;陳進;董廣明;;基于補償距離評估-小波核PCA的滾動軸承故障診斷[J];振動與沖擊;2013年18期

7 李玉慶;王日新;徐敏強;周瑞生;;針對滾動體損傷的滾動軸承損傷嚴重程度評估方法[J];振動與沖擊;2013年18期

8 王玉靜;姜義成;康守強;楊廣學;陳艷娜;;基于優(yōu)化集合EMD的滾動軸承故障位置及性能退化程度診斷方法[J];儀器儀表學報;2013年08期

9 王國彪;何正嘉;陳雪峰;賴一楠;;機械故障診斷基礎研究“何去何從”[J];機械工程學報;2013年01期

10 苗學問;牛樅;楊云;韓磊;洪杰;;航空發(fā)動機主軸承使用狀態(tài)壽命預測模型(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2012年02期

相關博士學位論文 前3條

1 黃光鑫;支持向量數(shù)據(jù)描述與支持向量機及其應用[D];電子科技大學;2011年

2 黃偉國;基于振動信號特征提取與表達的旋轉(zhuǎn)機械狀態(tài)監(jiān)測與故障診斷研究[D];中國科學技術大學;2010年

3 郭磊;基于核模式分析方法的旋轉(zhuǎn)機械性能退化評估技術研究[D];上海交通大學;2009年

相關碩士學位論文 前2條

1 張雨晨;基于改進的SVM和t-SNE高速列車走行部故障診斷[D];西南交通大學;2016年

2 楊慧斌;滾動軸承故障診斷中的特征提取與選擇方法[D];湖南工業(yè)大學;2011年

，

本文編號：2620127