收藏本站
收藏 | 论文排版

基于卷积神经网络的滚动轴承故障诊断方法研究

张朝林  
【摘要】:自工业迅猛发展以来,石油化工、电力、冶矿等行业为了增加生产效益,不断升级设备,导致工业设备与工业系统趋向大型化、智能化、复杂化,设备维修成本也随之提高。因此,对设备运行状态进行监测与故障诊断,成为当前的研究热点之一。轴承与其转子系统构成复杂的非线性动力学系统,导致其振动信号特征与运行状态之间存在较强的非线性关系;而振动信号的特征提取与选择往往需要大量的先验知识,导致特征的设计难以准确反映不同的运行状态。且复杂机械设备内部各个功能单元之间相互关联、相互制约,导致设备运行状态与其信号特征具有时变性的特点,因而利用离线数据建立的单一静态模型难以完备、有效地反映设备实时运行状态。针对以上问题,围绕复杂机械设备故障诊断中的特征提取、模型更新等关键问题,本文展开基于卷积神经网络(Convolutional Neural Networks,CNN)与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法研究,滚动轴承振动信号的特征提取与故障类型识别是研究的核心内容,主要研究内容及创新点如下:(1)提出基于固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)-多尺度熵(Multiscale Entropy,MSE)的振动信号分析方法,对振动信号进行预处理,提取重构信号时域特征,并结合ELM对风电轴承运行状态进行识别。试验结果表明,本文模型可以准确识别轴承运行状态。(2)为了克服多域特征表征设备运行状态存在的信息冗余问题,提出基于多域特征维数约简与ELM模型的故障诊断方法,利用LLTSA从高维特征空间提取低维流形,实现信号特征的维数约简,保证模型分类性能。高压隔膜泵单向阀与轴承运行状态监测实验表明,对振动信号进行特征维数约简,降低特征间的冗余性,可提高ELM模型的故障识别精度。(3)为了解决振动信号特征自适应提取问题,提出基于CEEMD与CNN的特征提取方法,从振动信号时频图中自适应提取其敏感特征,表征设备运行状态。将该方法应用于不同负载、不同故障深度的轴承试验中,结果表明该方法能够在多种工况下有效地提高故障识别率。(4)为了解决静态模型难以准确识别设备动态运行状况的问题,提出基于CNN与在线序贯极限学习机(Online Sequential-Extreme Learning Machine,OS-ELM)的故障诊断方法。OS-ELM通过逐步增加新样本来实时更新故障诊断模型,不仅提高了故障诊断模型的动态适应能力,而且减少了模型重新训练时间。轴承故障诊断实验表明,该方法能够快速、有效地识别故障类型。论文围绕滚动轴承振动信号特征自适应提取,以及模型在线更新等关键问题展开研究,成果对复杂机械设备故障诊断研究具有借鉴意义。


知网文化
【相似文献】
中国期刊全文数据库 前14条
1 叶利华;王磊;赵利平;;低小慢无人机降落野外场景识别方法[J];计算机应用;2017年07期
2 孙志诚;沈长青;王富东;杨云贵;;基于时频分析与人工神经网络的轴承诊断研究[J];机电一体化;2017年04期
3 宋超;许道云;秦永彬;;分离多路卷积神经网络研究[J];计算机工程;2017年06期
4 孙晓涛;高军伟;毛云龙;张彬;董宏辉;;基于小波包变换与神经网络的滚动轴承故障诊断[J];工业控制计算机;2017年08期
5 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
6 李东升;;基于神经网络在高考英语口语成绩采集中的应用[J];数字技术与应用;2017年03期
7 张琦;蒋淑霞;李翔晟;薛行健;;基于小波和神经网络的火花塞间隙识别[J];计算机仿真;2017年04期
8 孟海东;冀小青;宋宇辰;;基于光网络的深度学习算法研究[J];现代电子技术;2017年14期
9 林志宏;池宏;许保光;;基于卷积神经网络的公安案件文本语义特征提取方法研究[J];数学的实践与认识;2017年17期
10 钱岳;丁效;刘挺;陈毅恒;;聊天机器人中用户出行消费意图识别方法[J];中国科学:信息科学;2017年08期
11 俞汝劼;杨贞;熊惠霖;;基于深度卷积神经网络的航空器检测与识别[J];计算机应用;2017年06期
12 孙俊;谭文军;毛罕平;武小红;陈勇;汪龙;;基于改进卷积神经网络的多种植物叶片病害识别[J];农业工程学报;2017年19期
13 毕林;谢伟;崔君;;基于卷积神经网络的矿工安全帽佩戴识别研究[J];黄金科学技术;2017年04期
14 荣光辉;黄震华;;基于深度学习的问答匹配方法[J];计算机应用;2017年10期
中国重要会议论文全文数据库 前10条
1 王辉;杨杰;黎明;蔡念;;一种基于神经网络的图像复原方法[A];2006年全国光电技术学术交流会会议文集(D 光电信息处理技术专题)[C];2006年
2 郭天宇;朱铭健;王云鹤;许超;;基于自整合卷积神经网络的人脸分类算法[A];第十一届全国信号和智能信息处理与应用学术会议专刊[C];2017年
3 田延安;王建文;杨莉;;小波技术与神经网络在齿轮诊断中的应用[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年
4 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
5 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
7 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
8 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
9 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
10 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
中国博士学位论文全文数据库 前10条
1 洪庆辉;忆阻神经网络的全电路设计及其应用[D];华中科技大学;2019年
2 田树耀;基于多尺度变分算法及深度卷积神经网络的图像压缩感知重建[D];燕山大学;2019年
3 孙诗昭;深度学习中深度问题与大模型问题的研究[D];南开大学;2018年
4 申晨;基于卷积神经网络的行人再识别算法研究[D];浙江大学;2018年
5 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
6 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
7 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
8 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
9 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
10 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
中国硕士学位论文全文数据库 前10条
1 张朝林;基于卷积神经网络的滚动轴承故障诊断方法研究[D];昆明理工大学;2019年
2 张毅;静态手势识别的神经网络方法研究[D];电子科技大学;2011年
3 马宁;基于神经网络的汽车识别研究[D];哈尔滨工程大学;2002年
4 王桂芳;基于改进深度神经网络的特征提取方法研究[D];北京化工大学;2017年
5 张维新;基于小波分析与神经网络的轴承故障诊断研究[D];天津大学;2008年
6 李静;基于卷积神经网络的虚假评论识别技术的研究[D];北京邮电大学;2017年
7 付敏;基于卷积神经网络的人群密度估计[D];电子科技大学;2014年
8 孙保峰;基于神经网络的表面肌电信号分类方法研究[D];吉林大学;2013年
9 凌红英;神经网络在模拟电路故障诊断中的方法研究[D];扬州大学;2008年
10 王征韬;深度神经网络压缩与优化研究[D];电子科技大学;2017年
中国重要报纸全文数据库 前10条
1 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
2 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
3 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
4 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
5 ;神经网络小史[N];电子报;2018年
6 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
7 ;人工智能将取得大面积突破[N];中国企业报;2017年
8 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
9 ;人类正迎来云端机器人时代[N];中国企业报;2017年
10 张斌;谁还需要“同传”[N];文汇报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978