本文關(guān)鍵詞：棧式稀疏加噪自編碼深度神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承損傷程度診斷　出處：《振動(dòng)與沖擊》2017年21期 　論文類型：期刊論文

  更多相關(guān)文章： 滾動(dòng)軸承 損傷程度 稀疏加噪自編碼 深度神經(jīng)網(wǎng)絡(luò) 診斷

【摘要】：針對(duì)滾動(dòng)軸承損傷程度的特征自學(xué)習(xí)提取與智能診斷問題,提出棧式稀疏加噪自編碼深度神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承損傷程度診斷方法。滾動(dòng)軸承損傷特征受到工況、環(huán)境噪聲等干擾,淺層自編碼網(wǎng)絡(luò)對(duì)損傷特征的自學(xué)習(xí)、提取能力不足。為此,論文將稀疏項(xiàng)限制和加噪編碼融入自編碼網(wǎng)絡(luò),同時(shí)將自編碼網(wǎng)絡(luò)堆棧并添加分類層,構(gòu)建出棧式稀疏加噪自編碼深度神經(jīng)網(wǎng)絡(luò),進(jìn)行軸承損傷特征非監(jiān)督自動(dòng)提取與損傷程度智能診斷。稀疏項(xiàng)限制和深度神經(jīng)網(wǎng)絡(luò)的構(gòu)建提高了特征學(xué)習(xí)能力,加噪編碼的融入改善了網(wǎng)絡(luò)的魯棒性。所構(gòu)建深度神經(jīng)網(wǎng)絡(luò)通過多層無監(jiān)督逐層自學(xué)習(xí)和有監(jiān)督微調(diào),完成損傷特征自動(dòng)提取與表達(dá),并實(shí)現(xiàn)了損傷程度智能診斷。不同工況下軸承損傷程度診斷的實(shí)驗(yàn)驗(yàn)證證明了所提方法的可行性和有效性。
[Abstract]:Aiming at the problem of feature self-learning extraction and intelligent diagnosis of rolling bearing damage degree, a new method based on stack sparse noise-adding self-coding depth neural network is proposed to diagnose the rolling bearing damage degree, and the damage feature of rolling bearing is subjected to working conditions. Due to the interference of environment noise and the ability of self-learning of shallow self-coding network to extract damage features, the sparse item restriction and noise-added coding are incorporated into the self-coding network in this paper. At the same time, the self-coding network stack is added and the classification layer is added to construct the stack sparse noisy self-coding depth neural network. Unsupervised automatic extraction of bearing damage features and intelligent diagnosis of damage degree are carried out. Sparse term limitation and the construction of depth neural network improve feature learning ability. The integration of noise-coding improves the robustness of the network. The depth neural network is constructed through multi-layer unsupervised self-learning and supervised fine-tuning to complete the automatic extraction and expression of damage features. The intelligent diagnosis of damage degree has been realized, and the feasibility and effectiveness of the proposed method have been proved by the experimental results of bearing damage degree diagnosis under different working conditions.
【作者單位】： 重慶交通大學(xué)機(jī)電與車輛工程學(xué)院;四川大學(xué)空天科學(xué)與工程學(xué)院;重慶交通大學(xué)經(jīng)濟(jì)與管理學(xué)院;
【基金】：國家自然科學(xué)基金(51305471) 中國博士后科學(xué)基金(2014M560719;2016M590861) 重慶市基礎(chǔ)與前沿研究計(jì)劃資助項(xiàng)目(cstc2014jcyj A70009;cstc2015jcyj A70012) 重慶市教育委員會(huì)科學(xué)技術(shù)研究(KJ1400308) 國家留學(xué)基金(201408505081)
【分類號(hào)】：TH133.33;TP183
【正文快照】： 滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械的重要部件,其性能退化或失效影響整機(jī)性能及其運(yùn)行可靠性。目前滾動(dòng)軸承故障診斷多集中于故障分類研究,而工程中僅判斷是否發(fā)生故障以及故障類型難以進(jìn)行預(yù)防維護(hù),只有對(duì)損傷程度進(jìn)行準(zhǔn)確評(píng)估和診斷才能有效指導(dǎo)軸承維護(hù)工作。所以,軸承損傷程度的診斷研究

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈爽;賀利樂;;基于粒子群優(yōu)化SOM神經(jīng)網(wǎng)絡(luò)的軸系多振動(dòng)故障診斷[J];機(jī)械傳動(dòng);2011年06期

2 唐貴基;楊玉婧;宋彩萌;;基于神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械振動(dòng)故障診斷[J];機(jī)械工程師;2012年01期

3 欒美潔;許飛云;賈民平;;旋轉(zhuǎn)機(jī)械故障診斷的神經(jīng)網(wǎng)絡(luò)方法研究[J];噪聲與振動(dòng)控制;2008年01期

4 高強(qiáng);錢林方;侯遠(yuǎn)龍;王力;;泵控缸電液位置伺服系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制[J];機(jī)床與液壓;2008年06期

5 徐小力;左云波;吳國新;;量子神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)中的應(yīng)用[J];機(jī)械強(qiáng)度;2010年04期

6 何文;同淑榮;王克勤;;基于神經(jīng)網(wǎng)絡(luò)的質(zhì)量控制圖異常診斷[J];機(jī)械制造;2013年05期

7 許寧,黃之初;神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究[J];礦山機(jī)械;2005年08期

8 宋文杰;劉伯峰;王平;姜冰;;基于小波—神經(jīng)網(wǎng)絡(luò)的故障劣化趨勢(shì)檢測(cè)[J];職大學(xué)報(bào)(自然科學(xué)版);2006年02期

9 王志濤;肖明清;謝化勇;禚真福;薛輝輝;;基于神經(jīng)網(wǎng)絡(luò)的故障診斷效能模糊綜合評(píng)價(jià)研究[J];計(jì)算機(jī)測(cè)量與控制;2011年12期

10 戴中浩;林瓊;王秋成;;基于神經(jīng)網(wǎng)絡(luò)的再制造自動(dòng)變速箱檢測(cè)及試驗(yàn)研究[J];機(jī)械制造;2012年01期

相關(guān)會(huì)議論文 前9條

1 杜福銀;封其勃;;一種基于Hopfield神經(jīng)網(wǎng)絡(luò)作業(yè)車間調(diào)度問題的優(yōu)化方法[A];2009年中國智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

2 宋國明;王厚軍;姜書艷;劉紅;;基于神經(jīng)網(wǎng)絡(luò)的融合智能診斷方法在模擬電路故障診斷中的應(yīng)用[A];2007'中國儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

3 宋軼民;余躍慶;張策;馬文貴;;基于神經(jīng)網(wǎng)絡(luò)的機(jī)敏機(jī)構(gòu)振動(dòng)自校正控制[A];第十二屆全國機(jī)構(gòu)學(xué)學(xué)術(shù)研討會(huì)論文集[C];2000年

4 吳洪民;;氣動(dòng)伺服定位系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模糊自適應(yīng)PID控制[A];第一屆全國流體動(dòng)力及控制工程學(xué)術(shù)會(huì)議論文集（第二卷）[C];2000年

5 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自適應(yīng)控制[A];液壓與氣動(dòng)學(xué)術(shù)研討會(huì)論文集[C];2004年

6 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自適應(yīng)控制[A];第三屆全國流體傳動(dòng)及控制工程學(xué)術(shù)會(huì)議論文集（第三卷）[C];2004年

7 曹春紅;張斌;王利民;李文輝;;基于免疫神經(jīng)網(wǎng)絡(luò)的幾何約束求解技術(shù)的研究[A];第二十七屆中國控制會(huì)議論文集[C];2008年

8 謝進(jìn);閻開印;陳永;;神經(jīng)網(wǎng)絡(luò)技術(shù)在平面機(jī)構(gòu)綜合中的應(yīng)用[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（下冊(cè)）[C];2002年

9 徐志方;賀小明;張傳維;沈路;;集成神經(jīng)網(wǎng)絡(luò)信息融合技術(shù)在給水泵故障診斷中的應(yīng)用[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前3條

1 李永波;滾動(dòng)軸承故障特征提取與早期診斷方法研究[D];哈爾濱工業(yè)大學(xué);2017年

2 王曉龍;基于振動(dòng)信號(hào)處理的滾動(dòng)軸承故障診斷方法研究[D];華北電力大學(xué)(北京);2017年

3 劉尚坤;基于振動(dòng)信號(hào)處理的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];華北電力大學(xué)(北京);2017年

相關(guān)碩士學(xué)位論文 前10條

1 王栗;面向電機(jī)軸承的快速故障診斷方法研究[D];沈陽理工大學(xué);2015年

2 于會(huì)超;機(jī)械觸覺機(jī)構(gòu)及控制的研究與應(yīng)用[D];華北理工大學(xué);2015年

3 李捷;基于神經(jīng)網(wǎng)絡(luò)的軸承故障診斷技術(shù)研究[D];電子科技大學(xué);2015年

4 宋銀芳;橋式起重機(jī)故障分析與故障率預(yù)測(cè)方法研究[D];安徽理工大學(xué);2016年

5 高芮;基于神經(jīng)網(wǎng)絡(luò)的機(jī)械故障診斷技術(shù)的研究[D];青島科技大學(xué);2016年

6 程翔;基于神經(jīng)網(wǎng)絡(luò)的輪帶系統(tǒng)橫向振動(dòng)的變結(jié)構(gòu)控制[D];福州大學(xué);2014年

7 龐艷艷;基于選擇性神經(jīng)網(wǎng)絡(luò)的故障診斷研究[D];華中科技大學(xué);2014年

8 徐銘志;基于神經(jīng)網(wǎng)絡(luò)PID的金屬帶式無級(jí)變速器速比控制研究[D];燕山大學(xué);2016年

9 齊放;基于極限學(xué)習(xí)機(jī)的設(shè)備故障預(yù)測(cè)方法及應(yīng)用研究[D];北京化工大學(xué);2016年

10 尤海鑫;BP神經(jīng)網(wǎng)絡(luò)與模糊邏輯在智能故障診斷中的應(yīng)用[D];大連交通大學(xué);2014年

，

本文編號(hào)：1407627