【摘要】：滾動軸承保證了旋轉(zhuǎn)軸正常穩(wěn)定的工作狀態(tài),滾動軸承故障的深入研究會進一步促進旋轉(zhuǎn)機械故障診斷研究的發(fā)展。隨著工業(yè)大數(shù)據(jù)的發(fā)展,企業(yè)選擇多傳感器獲取機組多維度的信息進行監(jiān)控。對于傳統(tǒng)的故障診斷方法,一般手工選擇信號的故障特征或者是采用一般的信號分析方法。相對于采用卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)自適應(yīng)提取信號特征,手工選擇特征隨機性大,而且泛化性不足。利用全矢譜對于數(shù)據(jù)集進行特征增強,分別構(gòu)建一維卷積神經(jīng)網(wǎng)絡(luò)(1D-CNN)提取信號分類信息和長短時記憶神經(jīng)網(wǎng)絡(luò)(LSTM)提取信號時序信息,構(gòu)建集成神經(jīng)網(wǎng)絡(luò),提出全矢卷積循環(huán)神經(jīng)網(wǎng)絡(luò)(FV-CRNN)滾動軸承故障診斷方法。主要研究工作如下:(1)介紹卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的理論知識及推導(dǎo)過程,以及全矢譜理論的機理和數(shù)值推導(dǎo)。針對真實故障信號進行實驗,驗證了全矢譜理論相對于單通道信號分析方法的有效性。(2)提出基于一維卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法,并試驗驗證了方法的有效性。首先使用全矢譜技術(shù)對于同源雙通道故障信號進行特征融合得到全矢譜主振矢數(shù)據(jù)集,其次對數(shù)據(jù)集進行人工標(biāo)注并按照訓(xùn)練集和測試集8:2的比例進行數(shù)據(jù)劃分。分別構(gòu)建一維卷積神經(jīng)網(wǎng)絡(luò)(1D-CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)中的長短時記憶神經(jīng)網(wǎng)絡(luò)(LSTM),通過去噪編碼添加數(shù)據(jù)集噪聲,使用交叉熵作為損失函數(shù),Adam優(yōu)化器微調(diào)后得到全矢卷積循環(huán)神經(jīng)網(wǎng)絡(luò)(FV-CRNN)模型。試驗結(jié)果表明全矢CRNN在測試集上的準(zhǔn)確性和泛化性都要高于單通道CRNN。同時通過T-SNE特征降維,可視化主成分,直觀地驗證了該模型在故障分類任務(wù)上的優(yōu)勢。(3)手工選擇CEEMD能量熵特征,結(jié)合Softmax多分類器進行軸承故障分類。將單通道CRNN和全矢CRNN提取的隱層特征分別輸入Softmax多分類器,與CEEMD能量熵特征分類結(jié)果進行對比。實驗結(jié)果表明,全矢CRNN自適應(yīng)提取的特征相對于手動選擇特征對故障分類更加有效。
【圖文】：

１．４．２全頻譜方法逡逑Ｂｅｎｔｌｙ公司提出全頻譜技術(shù)［４４］，將軸心軌跡用正、反進動圓表示，，其中振逡逑幅可以在坐標(biāo)軸對稱（即正反方向）展示幅值，如圖１．２所示。全頻譜的好處逡逑就是分辨率較高、特征提取速度比較快，缺點就是無法評估信號的振動能量，逡逑故應(yīng)用范圍比較窄［４１】。逡逑５０邋－逡逑４５邋■逡逑４０邋－逡逑３５邋－逡逑３０邋－逡逑＜逡逑＊３邋２５邋－逡逑２０邋－逡逑１５－邐Ｉ逡逑｜逡逑５－邋Ｉ邐Ｉ邋｜逡逑Ｑ邋——」－邐ｉｌ＿邋ｉｌ．…—Ａ邐１邐１邐ｕ———．—Ｊｉｉ邐１邐逡逑－４ｘ邐－３ｘ邐－２ｘ邋－ｘ邐０邐ｘ邐２ｘ邋３ｘ邐４ｘ逡逑倍頻逡逑圖１．２全頻譜示意圖逡逑１．４．３全矢譜方法逡逑基于以上的同源信息融合技術(shù)都存在一定的缺點，韓捷教授提出了全矢譜逡逑理論［４５】，解決了上述的特征描述不明顯、特征無法數(shù)值化以及無法表述能量信逡逑４逡逑

邐６ｘ逡逑倍矧逡逑圖１．１全息譜示意圖逡逑１．４．２全頻譜方法逡逑Ｂｅｎｔｌｙ公司提出全頻譜技術(shù)［４４］，將軸心軌跡用正、反進動圓表示，其中振逡逑幅可以在坐標(biāo)軸對稱（即正反方向）展示幅值，如圖１．２所示。全頻譜的好處逡逑就是分辨率較高、特征提取速度比較快，缺點就是無法評估信號的振動能量，逡逑故應(yīng)用范圍比較窄［４１】。逡逑５０邋－逡逑４５邋■逡逑４０邋－逡逑３５邋－逡逑３０邋－逡逑＜逡逑＊３邋２５邋－逡逑２０邋－逡逑１５－邐Ｉ逡逑｜逡逑５－邋Ｉ邐Ｉ邋｜逡逑Ｑ邋——」－邐ｉｌ＿邋ｉｌ．…—Ａ邐１邐１邐ｕ———．—Ｊｉｉ邐１邐逡逑－４ｘ邐－３ｘ邐－２ｘ邋－ｘ邐０邐ｘ邐２ｘ邋３ｘ邐４ｘ逡逑倍頻逡逑圖１．２全頻譜示意圖逡逑１．４．３全矢譜方法逡逑基于以上的同源信息融合技術(shù)都存在一定的缺點，韓捷教授提出了全矢譜逡逑理論［４５】，解決了上述的特征
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TH133.33

【相似文獻】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點預(yù)測法[J];金融經(jīng)濟;2017年18期

2 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會述評[J];國際學(xué)術(shù)動態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

8 鮑偉強;陳娟;熊濤;;基于進化神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測研究[J];電工技術(shù);2019年11期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會議論文 前10條

1 孫軍田;張U

本文編號：2622877