基于深度特征學(xué)習(xí)的振動(dòng)狀態(tài)識(shí)別方法
發(fā)布時(shí)間:2021-06-29 19:17
針對(duì)基于信號(hào)處理技術(shù)的故障診斷方法需要依賴人工特征提取和專家的知識(shí),以及基于傳統(tǒng)機(jī)器學(xué)習(xí)理論下的故障診斷方法學(xué)習(xí)深度不足、特征提取困難等問(wèn)題,提出了基于深度特征學(xué)習(xí)的振動(dòng)狀態(tài)識(shí)別方法。該方法以深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNN)為基礎(chǔ),以一維數(shù)據(jù)結(jié)構(gòu)為處理對(duì)象,能夠深層次的、自適應(yīng)的提取振動(dòng)信號(hào)特征,學(xué)習(xí)信號(hào)的特征表示,實(shí)現(xiàn)特征提取和狀態(tài)識(shí)別過(guò)程的統(tǒng)一。同時(shí),該方法能端到端進(jìn)行故障診斷,是一種智能的故障診斷方法。首先,提出了基于一維卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNNs)的轉(zhuǎn)子故障診斷方法。該方法振動(dòng)信號(hào)的一維向量輸入到一維CNN進(jìn)行分析,利用CNN強(qiáng)大的特征學(xué)習(xí)和提取能力,從原始振動(dòng)信號(hào)中深度學(xué)習(xí)不同故障狀態(tài)的特征,并最終實(shí)現(xiàn)信號(hào)狀態(tài)的識(shí)別。其次,針對(duì)實(shí)際故障中振動(dòng)信號(hào)成分復(fù)雜、非線性、非平穩(wěn)性強(qiáng)等影響深度學(xué)習(xí)效果的問(wèn)題,將HVD方法和多特征信息融合技術(shù)引入到振動(dòng)信號(hào)的深度學(xué)習(xí)過(guò)程中,提出了基于VCNN多特征融合學(xué)習(xí)的轉(zhuǎn)子故障診斷方法。該方法首先對(duì)多個(gè)傳感器采集的振動(dòng)信號(hào)進(jìn)行HVD分解得到各階模態(tài)分量,然后將其融...
【文章來(lái)源】:華北電力大學(xué)河北省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:60 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
轉(zhuǎn)子試驗(yàn)臺(tái)通過(guò)試驗(yàn)?zāi)M轉(zhuǎn)子不平衡、不對(duì)中、油膜渦動(dòng)、碰摩4類故障
轉(zhuǎn)子試驗(yàn)臺(tái)同時(shí)采集4個(gè)傳感器在不平衡、不對(duì)中、油膜渦動(dòng)、碰摩4類故障下的振動(dòng)信
VCNN不同層級(jí)信號(hào)可視化表示
【參考文獻(xiàn)】:
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)化智能故障診斷算法[J]. 曲建嶺,余路,袁濤,田沿平,高峰. 控制與決策. 2019(12)
[2]基于短時(shí)傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠(yuǎn)韜. 振動(dòng)與沖擊. 2018(19)
[3]基于非線性短時(shí)傅里葉變換階次跟蹤的變速行星齒輪箱故障診斷[J]. 王友仁,王俊,黃海安. 中國(guó)機(jī)械工程. 2018(14)
[4]基于云PSO-SVM的汽輪機(jī)轉(zhuǎn)子故障診斷研究[J]. 石志標(biāo),陳長(zhǎng)河,曹麗華. 熱能動(dòng)力工程. 2018(06)
[5]用于轉(zhuǎn)子故障診斷的改進(jìn)小波聚類算法[J]. 左紅艷,劉曉波,洪連環(huán). 振動(dòng).測(cè)試與診斷. 2018(02)
[6]基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專家系統(tǒng)[J]. 司景萍,馬繼昌,牛家驊,王二毛. 振動(dòng)與沖擊. 2017(04)
[7]基于HVD的振動(dòng)故障診斷方法研究[J]. 朱霄珣,徐搏超,焦宏超,韓中合. 汽輪機(jī)技術(shù). 2016(04)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的時(shí)頻圖像識(shí)別研究[J]. 曾雪瓊,黎杰. 機(jī)械與電子. 2016(05)
[9]基于小波包去噪的循環(huán)自相關(guān)方法在軸承故障診斷中的應(yīng)用[J]. 朱琳,李貴子,雷小亞,柴世文. 機(jī)械制造與自動(dòng)化. 2016(02)
[10]基于最優(yōu)廣義S變換和脈沖耦合神經(jīng)網(wǎng)絡(luò)的軸承故障診斷[J]. 張?jiān)茝?qiáng),張培林,吳定海,李兵. 振動(dòng)與沖擊. 2015(09)
博士論文
[1]基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法研究[D]. 朱霄珣.華北電力大學(xué) 2013
本文編號(hào):3257007
【文章來(lái)源】:華北電力大學(xué)河北省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:60 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
轉(zhuǎn)子試驗(yàn)臺(tái)通過(guò)試驗(yàn)?zāi)M轉(zhuǎn)子不平衡、不對(duì)中、油膜渦動(dòng)、碰摩4類故障
轉(zhuǎn)子試驗(yàn)臺(tái)同時(shí)采集4個(gè)傳感器在不平衡、不對(duì)中、油膜渦動(dòng)、碰摩4類故障下的振動(dòng)信
VCNN不同層級(jí)信號(hào)可視化表示
【參考文獻(xiàn)】:
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)化智能故障診斷算法[J]. 曲建嶺,余路,袁濤,田沿平,高峰. 控制與決策. 2019(12)
[2]基于短時(shí)傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠(yuǎn)韜. 振動(dòng)與沖擊. 2018(19)
[3]基于非線性短時(shí)傅里葉變換階次跟蹤的變速行星齒輪箱故障診斷[J]. 王友仁,王俊,黃海安. 中國(guó)機(jī)械工程. 2018(14)
[4]基于云PSO-SVM的汽輪機(jī)轉(zhuǎn)子故障診斷研究[J]. 石志標(biāo),陳長(zhǎng)河,曹麗華. 熱能動(dòng)力工程. 2018(06)
[5]用于轉(zhuǎn)子故障診斷的改進(jìn)小波聚類算法[J]. 左紅艷,劉曉波,洪連環(huán). 振動(dòng).測(cè)試與診斷. 2018(02)
[6]基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專家系統(tǒng)[J]. 司景萍,馬繼昌,牛家驊,王二毛. 振動(dòng)與沖擊. 2017(04)
[7]基于HVD的振動(dòng)故障診斷方法研究[J]. 朱霄珣,徐搏超,焦宏超,韓中合. 汽輪機(jī)技術(shù). 2016(04)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的時(shí)頻圖像識(shí)別研究[J]. 曾雪瓊,黎杰. 機(jī)械與電子. 2016(05)
[9]基于小波包去噪的循環(huán)自相關(guān)方法在軸承故障診斷中的應(yīng)用[J]. 朱琳,李貴子,雷小亞,柴世文. 機(jī)械制造與自動(dòng)化. 2016(02)
[10]基于最優(yōu)廣義S變換和脈沖耦合神經(jīng)網(wǎng)絡(luò)的軸承故障診斷[J]. 張?jiān)茝?qiáng),張培林,吳定海,李兵. 振動(dòng)與沖擊. 2015(09)
博士論文
[1]基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法研究[D]. 朱霄珣.華北電力大學(xué) 2013
本文編號(hào):3257007
本文鏈接:http://www.sikaile.net/jixiegongchenglunwen/3257007.html
最近更新
教材專著