近年來,我國(guó)科技水平得到了進(jìn)一步的提升,信息化的發(fā)展帶動(dòng)了工業(yè)化的進(jìn)步,使得機(jī)械化生產(chǎn)日益普及。滾動(dòng)軸承是機(jī)械系統(tǒng)的重要組成成分,軸承的失效可能會(huì)導(dǎo)致機(jī)械系統(tǒng)的損壞,對(duì)機(jī)械設(shè)備中的滾動(dòng)軸承進(jìn)行狀態(tài)監(jiān)測(cè)與故障診斷具有重要意義。傳統(tǒng)的智能故障診斷方法主要采用人工提取特征,并將被提取出的特征輸入到所運(yùn)用的機(jī)器學(xué)習(xí)方法中進(jìn)行訓(xùn)練,以此得到模型進(jìn)行診斷。隨著深度學(xué)習(xí)等人工智能方法的發(fā)展,越來越多的深度學(xué)習(xí)方法被運(yùn)用于滾動(dòng)軸承故障診斷中。本文將深度學(xué)習(xí)理論與極限學(xué)習(xí)機(jī)相結(jié)合,提出一種深層極限學(xué)習(xí)機(jī)的深度學(xué)習(xí)方法,并搭建了滾動(dòng)軸承故障診斷實(shí)驗(yàn)平臺(tái),研究深層極限學(xué)習(xí)機(jī)在滾動(dòng)軸承故障診斷中的有效性。本文的主要內(nèi)容分為以下三個(gè)部分:1.本文引入了一種深層極限學(xué)習(xí)機(jī)的故障診斷算法。深層極限學(xué)習(xí)機(jī)聯(lián)合了自編碼器的特征提取能力與極限學(xué)習(xí)機(jī)的快速訓(xùn)練能力,相比于SAE、DBN等其他深度學(xué)習(xí)方法,深層極限學(xué)習(xí)機(jī)極大的縮短了網(wǎng)絡(luò)的訓(xùn)練時(shí)間,提高了應(yīng)用效率,同時(shí),其可直接采用不經(jīng)特征提取的原始數(shù)據(jù)進(jìn)行訓(xùn)練,避免了人工選取敏感故障特征困難等問題。2.本文提出了一種稀疏近鄰深層極限學(xué)習(xí)機(jī)的滾動(dòng)軸承故障診斷方法,將稀疏保持投...

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-7受限玻爾茲曼機(jī)結(jié)構(gòu)

第二章算法理論基礎(chǔ)13樣，當(dāng)已知隱含層的情況下，所有可視層也是相互獨(dú)立的，即()()()()12////mpvh=pvhpvhpvh。由于所有的v與h均滿足Boltzmann分布，因此，可視層與隱含層可通過p(v,h)相互轉(zhuǎn)化得到，假如通過調(diào)整參數(shù)，使得從隱含層得到的可視層V與原....

圖3-2滾動(dòng)軸承故障診斷實(shí)驗(yàn)平臺(tái)

江南大學(xué)碩士學(xué)位論文26圖3-2滾動(dòng)軸承故障診斷實(shí)驗(yàn)平臺(tái)電機(jī)故障軸承位置近端軸承聯(lián)軸器飛輪飛輪遠(yuǎn)端軸承帶傳動(dòng)負(fù)載防護(hù)罩測(cè)點(diǎn)設(shè)置,采集電流信號(hào)圖3-3平臺(tái)結(jié)構(gòu)示意圖表3-1軸承參數(shù)參數(shù)值滾動(dòng)體數(shù)8節(jié)圓直徑33.48mm滾動(dòng)體直徑7.94mm（a）正常狀態(tài)（b）內(nèi)圈故障

圖3-4實(shí)驗(yàn)數(shù)據(jù)波形圖

第三章基于稀疏近鄰保持深層極限學(xué)習(xí)機(jī)的故障診斷方法研究27（c）外圈故障（d）滾動(dòng)體故障圖3-4實(shí)驗(yàn)數(shù)據(jù)波形圖傳統(tǒng)的故障診斷方法一般都采用振動(dòng)信號(hào)進(jìn)行分析與診斷，但是，在實(shí)際工業(yè)應(yīng)用中，傳統(tǒng)基于振動(dòng)的方法需要布置相應(yīng)的振動(dòng)傳感器，而現(xiàn)場(chǎng)環(huán)境一般存在著許多的噪聲干擾，且在復(fù)雜工況下....

圖3-7十次診斷結(jié)果對(duì)比

江南大學(xué)碩士學(xué)位論文30圖3-7十次診斷結(jié)果對(duì)比從診斷結(jié)果可以看到，單層ELM的訓(xùn)練時(shí)間極短，但是，由于網(wǎng)絡(luò)的表征能力有限，正確率只有73.499%，顯然并不能滿足實(shí)際診斷的要求，四種深度學(xué)習(xí)方法正確率均達(dá)到了90%以上，說明深度學(xué)習(xí)算法自身的強(qiáng)特征提取能力可以自適應(yīng)的從原始數(shù)據(jù)....

本文編號(hào)：3935815