本文關鍵詞：基于DBN的故障特征提取及診斷方法研究

  更多相關文章： 深度置信網(wǎng)絡 特征提取 故障診斷 原始數(shù)據(jù)

【摘要】：隨著裝備日趨復雜化,依靠專家經(jīng)驗或信號處理技術人工提取和選擇故障特征變得越來越困難。此外,以BP神經(jīng)網(wǎng)絡、SVM為代表的淺層模型難以表征被測信號與裝備健康狀況之間復雜的映射關系,且面臨維數(shù)災難等問題。結合深度置信網(wǎng)絡(DBN)在提取特征和處理高維、非線性數(shù)據(jù)等方面的優(yōu)勢,提出一種基于深度置信網(wǎng)絡的故障特征提取及診斷方法。該方法通過深度學習利用原始時域信號訓練深度置信網(wǎng)絡并完成智能診斷,其優(yōu)勢在于能夠擺脫對大量信號處理技術與診斷經(jīng)驗的依賴,完成故障特征的自適應提取與健康狀況的智能診斷,該方法對時域信號沒有周期性要求,具有較強的通用性和適應性。在仿真數(shù)據(jù)集和軸承數(shù)據(jù)集上進行了故障特征提取和診斷實驗,實驗結果表明:本文提出的方法能夠有效地從原始信號中進行多種工況、多種故障位置和多種故障程度的故障特征提取和診斷,并且具有較高的故障識別精度。
【作者單位】： 哈爾濱工業(yè)大學自動化測試與控制系;
【關鍵詞】： 深度置信網(wǎng)絡 特征提取 故障診斷 原始數(shù)據(jù)
【基金】：國家自然科學基金(61571160)項目資助
【分類號】：TH17
【正文快照】： 1引言隨著科技的發(fā)展,航空、航天、工業(yè)等領域的機電設備日趨復雜化、智能化、綜合化,并且其運行工況和工作環(huán)境也愈加復雜多變,導致其維護和保障成本越來越高,同時由于組成環(huán)節(jié)和影響因素的增加,發(fā)生故障的幾率逐漸加大[1-2],因此對復雜裝備系統(tǒng)進行準確、有效的故障診斷成為

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5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 張立國;李盼;李梅梅;張淑清;張志福;;基于ITD模糊熵和GG聚類的滾動軸承故障診斷[J];儀器儀表學報;2014年11期

3 彭宇;劉大同;;數(shù)據(jù)驅動故障預測和健康管理綜述[J];儀器儀表學報;2014年03期

4 閆鵬程;孫華剛;毛向東;馮廣斌;;基于EMD與SVD的齒輪箱分形診斷方法研究[J];電子測量與儀器學報;2012年05期

5 彭宇;劉大同;彭喜元;;故障預測與健康管理技術綜述[J];電子測量與儀器學報;2010年01期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 李麗敏;統(tǒng)計聚類和粒子濾波在故障診斷中的應用研究[D];西北工業(yè)大學;2014年

2 李鋒;基于流形學習的風電機組傳動系統(tǒng)故障診斷方法研究[D];重慶大學;2011年

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張小龍;張氫;秦仙蓉;孫遠韜;;基于ITD復雜度和PSO-SVM的滾動軸承故障診斷[J];振動與沖擊;2016年24期

2 蔣麗英;高爽;崔建國;于明月;盧曉東;王景霖;;基于VMD和平均能量的齒輪故障特征提取[J];沈陽航空航天大學學報;2016年06期

3 張淑清;李威;張立國;胡永濤;錢磊;姜萬錄;;基于多元經(jīng)驗模態(tài)分解互近似熵及GG聚類的軸承故障診斷[J];中國機械工程;2016年24期

4 王勇;王海瑞;李宇芳;丁劍;;基于CEEMD模糊熵的搗固車液壓系統(tǒng)故障特征提取[J];計算機與數(shù)字工程;2016年12期

5 戴耀輝;苗瑞;羅興銘;辛勤;;基于小波變換和高階特征提取的直驅風機軸承故障診斷方法[J];四川電力技術;2016年06期

6 周小龍;楊恭勇;梁秀霞;李家飛;;基于EMD重構和SVM的滾動軸承故障診斷方法研究[J];東北電力大學學報;2016年06期

7 陳維興;曲睿;孫毅剛;;基于改進Apriori算法的地面空調間歇故障預測[J];計算機應用;2016年12期

8 楊誠;宋萍;劉雄軍;彭文家;高曉東;;特種車輛油氣彈簧漏氣故障的識別與預測[J];儀器儀表學報;2016年11期

9 李大中;趙杰;劉建屏;蔡文河;馬延會;;基于ITD和改進小波閾值的超聲檢測信號去噪[J];華北電力技術;2016年09期

10 楊連報;李平;徐貴紅;劉俊;劉彥軍;;基于大數(shù)據(jù)技術的鐵路安全管理研究[J];鐵路計算機應用;2016年09期

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 徐強;風電機組傳動鏈狀態(tài)診斷方法研究[D];華北電力大學;2015年

2 李向前;復雜裝備故障預測與健康管理關鍵技術研究[D];北京理工大學;2014年

3 陳仁祥;振動譜表征空間滾動軸承壽命狀態(tài)方法研究[D];重慶大學;2012年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉建偉;劉媛;羅雄麟;;深度學習研究進展[J];計算機應用研究;2014年07期

2 王建國;吳林峰;秦緒華;;基于自相關分析和LMD的滾動軸承振動信號故障特征提取[J];中國機械工程;2014年02期

3 張焱;湯寶平;鄧蕾;;基于譜聚類初始化非負矩陣分解的機械故障診斷[J];儀器儀表學報;2013年12期

4 蔡劍華;龔玉蓉;王先春;;利用EMD-Wigner高階矩譜的齒輪故障診斷方法[J];振動.測試與診斷;2013年06期

5 徐圓;劉瑩;朱群雄;;基于多元時滯序列驅動的復雜過程故障預測方法應用研究[J];化工學報;2013年12期

6 姚亞夫;張星;;基于瞬時能量熵和SVM的滾動軸承故障診斷[J];電子測量與儀器學報;2013年10期

7 周建寶;王少軍;馬麗萍;楊思遠;彭宇;彭喜元;;可重構衛(wèi)星鋰離子電池剩余壽命預測系統(tǒng)研究[J];儀器儀表學報;2013年09期

8 余凱;賈磊;陳雨強;徐偉;;深度學習的昨天、今天和明天[J];計算機研究與發(fā)展;2013年09期

9 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

10 李學軍;李平;蔣玲莉;;類均值核主元分析法及在故障診斷中的應用[J];機械工程學報;2014年03期

中國博士學位論文全文數(shù)據(jù)庫 前4條

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

2 邵繼業(yè);基于模型的故障診斷方法研究及在航天中的應用[D];哈爾濱工業(yè)大學;2009年

3 呂宗磊;對聚類及聚類評價若干問題的研究[D];南京航空航天大學;2009年

4 楊宇;基于EMD和支持向量機的旋轉機械故障診斷方法研究[D];湖南大學;2005年

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳岳東，，屈梁生;回轉機械的故障特征提取與分類[J];機械工程學報;1994年S1期

2 高正明;何彬;趙娟;裴永泉;左廣霞;;常用故障特征提取方法[J];機床與液壓;2009年12期

3 李兆飛;柴毅;李華鋒;;多重分形的振動信號故障特征提取方法[J];數(shù)據(jù)采集與處理;2013年01期

4 韓立靜;徐金梧;陽建宏;黎敏;;基于灰度擊中擊不中變換的故障特征提取方法[J];北京科技大學學報;2012年07期

5 李輝,宋智勇,孫豐瑞;基于小波包-包絡分析的故障特征提取方法[J];振動、測試與診斷;2003年04期

6 李學軍;廖傳軍;褚福磊;;適于聲發(fā)射信號故障特征提取的小波函數(shù)[J];機械工程學報;2008年03期

7 梅檢民;肖云魁;賈繼德;趙慧敏;陳祥龍;喬龍;;基于改進階比的變速器微弱故障特征提取[J];振動工程學報;2012年03期

8 任立通;胡金海;謝壽生;王磊;苗卓廣;;基于隨機共振預處理的振動故障特征提取研究[J];振動與沖擊;2014年02期

9 陳長征,羅躍綱,張省,虞和濟;基于小波分析的機械故障特征提取研究[J];機械強度;2001年01期

10 郝志華;馬孝江;;高階非線性時頻表示在故障特征提取中的應用[J];農(nóng)業(yè)機械學報;2006年02期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 趙志宏;楊紹普;;一種基于ICA的機械故障特征提取方法[A];機械動力學理論及其應用[C];2011年

2 潘宏俠;黃晉英;毛鴻偉;劉振旺;;基于粒子群優(yōu)化的故障特征提取技術研究[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

3 朱啟兵;楊慧中;;基于卷積型小波包奇異值分解的齒輪故障特征提取[A];第二十七屆中國控制會議論文集[C];2008年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 蔣超;基于EEMD與MED的沖擊信號自適應故障特征提取方法[D];上海大學;2016年

2 程發(fā)斌;面向機械故障特征提取的混合時頻分析方法研究[D];重慶大學;2007年

3 馮坤;基于內(nèi)積變換的機械故障特征提取原理與早期識別方法研究[D];北京化工大學;2012年

4 李加慶;基于聲全息的故障特征提取技術研究[D];上海交通大學;2008年

5 趙玲;旋轉機械系統(tǒng)故障特征提取中的分形方法研究[D];重慶大學;2010年

6 陳建國;基于獨立分量分析的機械故障特征提取及分類方法研究[D];大連理工大學;2011年

7 李兆飛;振動故障分形特征提取及診斷方法研究[D];重慶大學;2013年

8 鞠萍華;旋轉機械早期故障特征提取的時頻分析方法研究[D];重慶大學;2010年

9 趙志宏;基于振動信號的機械故障特征提取與診斷研究[D];北京交通大學;2012年

10 趙鵬;離心泵振動故障診斷方法研究及系統(tǒng)實現(xiàn)[D];華北電力大學（北京）;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 薄瑞瑞;基于LMD的振動信號處理及故障特征提取研究[D];內(nèi)蒙古大學;2015年

2 凡非龍;旋轉機械故障診斷與現(xiàn)場動平衡系統(tǒng)研發(fā)[D];浙江大學;2015年

3 屈紅偉;基于LMD的故障特征提取方法及動平衡技術研究[D];北京化工大學;2015年

4 李嶺陽;基于非線性分析的故障特征提取及識別方法研究[D];北京化工大學;2016年

5 沈金理;機械裝備連接松動故障特征提取方法的研究[D];東華大學;2013年

6 李敏;基于譜融合的管道故障特征提取方法研究[D];北京化工大學;2011年

7 易雄;基于小波分析的機械故障特征提取與診斷技術研究[D];浙江工業(yè)大學;2009年

8 鐘曉平;氣象衛(wèi)星運動部件故障特征提取及振動特性研究[D];上海交通大學;2009年

9 宋震;柴油機典型故障特征提取與診斷研究[D];天津大學;2013年

10 王澤棟;鉆井泵閥的故障特征提取與基于GSM的遠程故障報警儀[D];北京化工大學;2008年

本文編號：946673