滾動軸承是旋轉機械設備中最常見的零部件之一,也是眾多重型機械的核心或重要部件,它能夠減少運動部件之間的摩擦并使機器設備有效地運轉。作為一種精密的機械支撐元件,滾動軸承運行是否正常直接影響到整臺設備的性能。滾動軸承故障會導致機器故障,甚至導致嚴重事故,因此,需要對滾動軸承的運行狀態(tài)進行監(jiān)測,及時發(fā)現(xiàn)存在的異常和可能出現(xiàn)的故障,以確保滾動軸承正常工作。雖然在軸承故障診斷方面已經(jīng)取得了許多重要進展,但在大數(shù)據(jù)時代仍需繼續(xù)探索更好的故障識別方法。本課題利用深度學習來研究軸承故障信號的自動分類。首先分析了滾動軸承常見的故障表現(xiàn)形式,分別用頻譜分析、包絡分析和小波包分析對軸承故障信號進行了處理,提取了故障特征。研究了網(wǎng)絡層數(shù)、迭代次數(shù)和隱含層節(jié)點數(shù)對深度神經(jīng)網(wǎng)絡（DNN）性能的影響,搭建了適合軸承故障信號識別的DNN結構。在此基礎上,提出了一種基于深度學習的軸承故障智能自動分類算法。該算法從頻域提取信號特征并為每個樣本設置隨機標簽數(shù)來建立樣本庫,用該樣本庫對搭建的DNN進行訓練,通過使用子信號對訓練的DNN進行測試來調整樣本標簽,用修改后的樣本庫再次對DNN進行訓練。經(jīng)過DNN訓練和測試的迭代之后... 

【文章來源】：天津工業(yè)大學天津市

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

圖１－１軸承典型應用實例??

四個部分組成，其中包含支撐軸的內圈、支撐軸系的外圈、起滑動作用的滾動體??以及將其分開的保持架。滾動體是滾動軸承的核心元件，內圈與軸頸配合，外圈??與軸承座配合，如圖２－１所示，該圖來自網(wǎng)頁圖片。??圖２－１滾動軸承結構圖??內圈通常與軸緊密配合一起旋轉，其外表面也有一個溝槽稱為內滾道，以便??于鋼球的轉動。外圈通常與軸承座或機械部件的殼體配合，大多數(shù)情況下不會旋??轉，主要起支撐作用。滾動體也叫鋼球或滾子，裝在內圈和外圈之間，起滾動和??９??

早期階段會產(chǎn)生尖銳的沖擊［３４］。通常情況下，分析軸承故障信號的最佳方法取決??于存在的故障類型。滾動軸承常見的故障有四種類型，即內圈故障（ＢＰＦＩ）、外圈??故障（ＢＰＦＯ）、滾動體故障（ＢＳＦ）和保持架故障，圖２－２所示是一些出現(xiàn)故障的照??片，該圖來自網(wǎng)頁圖片。??軸承外圈??＾ｉ？ｉ??（ａ）內圈故障?（ｂ）外圈故障??ｉｐｉ??（Ｃ）保持架故障??圖２－２滾動軸承故障實物圖??滾動軸承出現(xiàn)故障時，利用加速度傳感器獲取的軸承振動加速度測試信號具??有明顯的沖擊特征。當軸承部件反復撞擊故障時，滾動軸承中的局部故障在加速??度信號中會產(chǎn)生一系列寬帶脈沖響應，故障的精確位置決定了脈沖響應系列的性??質。大多數(shù)軸承診斷技術的主要工具是頻譜和包絡譜，它揭示了脈沖響應序列的??重復頻率、某一類軸承故障頻率以及任何調制信號的性質。有論文？中提到，震??１１??

【參考文獻】：
期刊論文
[1]大數(shù)據(jù)存儲系統(tǒng)I/O性能優(yōu)化技術研究進展[J]. 肖利民,霍志勝.  大數(shù)據(jù). 2017(06)
[2]大數(shù)據(jù)下機械智能故障診斷的機遇與挑戰(zhàn)[J]. 雷亞國,賈峰,孔德同,林京,邢賽博.  機械工程學報. 2018(05)
[3]滾動軸承故障特征提取與應用研究[J]. 候偉東.  黑龍江科技信息. 2017(07)
[4]機械工程及自動化技術的發(fā)展[J]. 李婷.  中國新技術新產(chǎn)品. 2016(03)
[5]軸承故障檢測技術的研究[J]. 胡立志.  科技與企業(yè). 2014(14)
[6]倒頻譜在直驅風機主軸軸承故障診斷中的應用[J]. 張博,程珩.  機械設計與制造. 2014(07)
[7]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)
[8]數(shù)據(jù)降維方法分析與研究[J]. 吳曉婷,閆德勤.  計算機應用研究. 2009(08)
[9]機械故障診斷中人工智能的應用[J]. 周利,余愚.  可編程控制器與工廠自動化. 2007(07)
[10]滾動軸承故障診斷研究的國內現(xiàn)狀與發(fā)展方向[J]. 仇學青,張鑫.  煤礦機械. 2007(06)

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 2018
[2]基于多尺度融合離散熵的齒輪故障診斷方法研究[D]. 張依東.浙江大學 2018
[3]基于局部學習的半監(jiān)督分類問題研究[D]. 呂佳.內蒙古大學 2012

碩士論文
[1]高維數(shù)據(jù)的降維及聚類方法研究[D]. 孫喜利.蘭州大學 2016
[2]深度無監(jiān)督學習算法研究[D]. 岳永鵬.西南石油大學 2015
[3]大型起重機的齒輪箱故障診斷預警與監(jiān)控系統(tǒng)的開發(fā)[D]. 王海濤.南京航空航天大學 2014
[4]基于振動信號的齒輪箱智能故障診斷方法研究[D]. 張任.北京化工大學 2013
[5]滾動軸承故障的顯式動力學仿真與振動特征分析[D]. 高春良.電子科技大學 2010
[6]基于LabVIEW的高速線材軋機同步齒輪箱在線監(jiān)測與故障診斷系統(tǒng)[D]. 余靜嫻.武漢科技大學 2009
[7]滾動軸承故障診斷算法及軟件[D]. 紀明.蘭州理工大學 2008
[8]基于神經(jīng)網(wǎng)絡的電器故障診斷研究[D]. 任康.西華大學 2006
[9]智能信息系統(tǒng)中的知識獲取研究[D]. 范宇中.武漢大學 2004



本文編號：3026149