收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的复杂工况下端到端的滚动轴承故障诊断算法研究

金国强  
【摘要】:轴承是旋转机械中的重要部件,轴承的故障可能导致严重的人员伤亡和经济损失,因此对轴承的故障诊断以及保障轴承的平稳运行是维护现代机械设备安全稳定运行必不可少的步骤。传统的轴承故障诊断方法侧重于手动设计复杂的降噪、滤波、特征提取过程,然而这些过程过于繁琐,缺乏智能性,在海量数据下依靠手工诊断愈发困难。此外,轴承运行工况复杂多变,手动提取故障特征困难,在复杂工况下的端到端轴承故障诊断研究亟待改进。随着信息技术的发展,深度学习具有强大的特征提取和表示能力,能充分利用海量数据自动学习轴承故障特征信息,为复杂情况下轴承故障的高效、智能诊断提供可能。为此,本文以滚动轴承振动信号为研究对象,以高噪声、不同工况等复杂场景下的端到端轴承故障诊断为应用背景,研究了不同的深度神经网络,主要研究内容如下:(1)为了实现端到端的轴承故障种类和严重程度的诊断,考虑到深度卷积神经网络有着强大的特征提取能力,能够替代手动挑选特征的过程,同时深层的卷积神经网络参数量巨大,影响计算效率,因此提出一种轻量级的深度结构优化卷积神经网络。提出的网络利用局部稀疏结构替换了原网络中的参数密集层,大幅减少了网络的参数量。实验证明了提出的结构优化网络能在使用原网络不到一半参数量的情况下仍然保持和原网络同样的性能,从而提升了故障诊断效率和适应性。(2)为了提升高噪声下的轴承故障诊断性能,考虑到轴承振动信号是一种时间相关信号,而循环神经网络具有捕获时间相关序列内在特征的能力,同时注意力机制能自适应地重组并筛选特征,因此综合提出一种端到端的自适应抗噪神经网络框架AAnNet。其中卷积神经网络用于从振动信号中初步提取相关特征,门控循环神经网络用于进一步加工相关特征实现复杂场景下的轴承故障和其严重程度的诊断。为了进一步增强网络应对噪声的能力,提出了一种基于随机采样策略的信号输入方法,并且改进了卷积网络中的激活函数,从而提升网络在复杂场景下的轴承故障诊断能力。两个数据集上的实验证明了提出的网络框架能够在高噪声等复杂场景下实现目前领先的轴承故障诊断准确度。(3)为了提升不同工况下的轴承故障诊断性能,考虑到标注所有工况下的数据是非常耗时且昂贵的过程,因此提出一种端到端的多重对抗跨领域轴承故障诊断算法MACDNet用于利用源工况下有标签的数据和目标工况下无标签的数据,实现跨工况轴承故障诊断知识的迁移,从而提升目标工况的轴承故障诊断性能。提出的方法使用了多重对抗的训练过程能自动从不同领域数据中提取领域不变特征而不需要手动设计特征和度量函数。其中领域对抗训练用于缩小不同分布数据之间的领域差异,最小最大熵用于在特征空间中聚集来自不同领域同一类别的数据,从而缓解分类错误对齐问题并提升最终轴承故障分类准确度。此外,还利用虚拟对抗的方法提升局部平滑性,并且利用自适应层改进网络结构进一步提升网络的跨领域轴承故障诊断性能。可变负载轴承故障诊断实验和跨设备轴承故障诊断实验证明了提出算法的有效性。(4)为了探究神经网络实现轴承故障诊断的过程,本文利用网络可视化方法展示了提出神经网络的工作原理。其中可视化了提出的AAnNet各部分的工作原理以及轴承振动信号在神经网络中的处理过程。通过网络可视化发现:框架中特征提取层具有特征筛选及降低噪声干扰的作用;注意力机制能够针对不同故障类型和严重程度的输入自动选择和组合特征;提出的框架是按照从整体到局部的方式进行故障的分类,即先将类似特征聚集在一起,然后再将其逐渐分离开。通过可视化MACDNet可以直观看出提出的方法能够有效缓解分类错误对齐问题,从而提升跨领域轴承故障诊断性能。通过网络可视化能更直观理解神经网络的工作方式,提升神经网络可解释性,并且可以对网络结构设计以及参数选择提供帮助。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 王春雷;路小娟;;一种基于深度学习的电机轴承故障诊断方法[J];兰州交通大学学报;2020年02期
2 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
3 吕刚;郝平;盛建荣;;一种改进的深度神经网络在小图像分类中的应用研究[J];计算机应用与软件;2014年04期
4 王煜;周孟然;胡锋;来文豪;;优化神经网络在矿用电机轴承故障诊断的应用[J];安徽理工大学学报(自然科学版);2018年04期
5 贺思艳;任利娟;田新诚;;基于卷积神经网络的滚动轴承故障诊断[J];兵工自动化;2019年03期
6 高强;靳其兵;程勇;;基于卷积神经网络探讨深度学习算法与应用[J];电脑知识与技术;2015年13期
7 王艳娜;孙丙宇;;基于卷积神经网络的烟瘾渴求脑电分类[J];计算机系统应用;2017年06期
8 栾五洋;;基于深度学习的图像风格转换浅论[J];数字通信世界;2018年02期
9 王茜;张海仙;;基于深度神经网络的汽车车型识别[J];现代计算机(专业版);2015年35期
10 马吉科;祝永晋;许杰雄;;基于卷积神经网络的计量装置运行状态异常诊断方法[J];电工电气;2020年12期
11 易生;梁华刚;茹锋;;基于多列深度3D卷积神经网络的手势识别[J];计算机工程;2017年08期
12 谢万里;李宏志;周辉;尹绍武;;基于迁移学习与卷积神经网络的鱼濒死预警系统研究[J];中国农机化学报;2019年02期
13 张力;张洞明;郑宏;;基于联合层特征的卷积神经网络在车标识别中的应用[J];计算机应用;2016年02期
14 卢宏涛;张秦川;;深度卷积神经网络在计算机视觉中的应用研究综述[J];数据采集与处理;2016年01期
15 高向东,黄石生,高存臣;神经网络及声谱分析技术在轴承故障诊断中的应用[J];轴承;1996年08期
16 王佳;;图神经网络浅析[J];现代计算机;2019年23期
中国重要会议论文全文数据库 前20条
1 彭瑾;刘必慰;陈胜刚;刘畅;;神经网络压缩模型的解压算法设计及其硬件实现[A];第二十二届计算机工程与工艺年会暨第八届微处理器技术论坛论文集[C];2018年
2 陈伟辉;孙阳;陈杰;倪玮;陈冲;薛超;;基于深度学习的地震识别技术展望[A];国家安全地球物理丛书(十四)——资源·环境与地球物理[C];2018年
3 徐梦洋;;基于深度学习的行人再识别研究综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年
4 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
5 唐业辉;许超;郭天宇;王云鹤;;多级卷积神经网络[A];第十二届全国信号和智能信息处理与应用学术会议论文集[C];2018年
6 耿传玉;王泽宇;周晓君;阳春华;;基于U-net卷积神经网络双层参数优化的心脏图像分割[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
7 徐硕;;集合经验模态分解的多路-多级神经网络风功率预测模型[A];用电与能效专题讲座暨智能用电及能效管理技术研讨会论文集[C];2019年
8 段滈杉;乔俊飞;蒙西;汤健;;基于模块化神经网络的城市固废焚烧过程氮氧化物软测量[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
9 韩红桂;甄琪;杜永萍;乔俊飞;;基于低秩双线性卷积神经网络的手机型号识别方法[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
10 李淋雨;邱寅祺;何星;;基于LSTM的火电厂入口硝浓度预测方法研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
11 潘岚川;马乐乐;刘向杰;;基于卷积神经网络的一次风机故障预警研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
12 刘晶;黄进;赵万国;周丽萍;;一种基于卷积神经网络的非法经营线索挖掘模型[A];2020互联网安全与治理论坛论文集[C];2020年
13 包俊;董亚超;刘宏哲;;卷积神经网络的发展综述[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
14 刘克楠;侯剑;;基于神经网络的唤醒词识别方法[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
15 蒋子超;江俊扬;姚清河;杨耿超;;基于神经网络的差分方程快速求解方法[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
16 华阳;孟晓;秦智勇;;深度卷积神经网络压缩方法研究[A];中国航天电子技术研究院科学技术委员会2020年学术年会优秀论文集[C];2020年
17 郝立柱;韩阳;潘子英;;循环神经网络方法预报船舶操纵运动研究[A];第三十一届全国水动力学研讨会论文集(下册)[C];2020年
18 孙澄宇;胡苇;;大范围工业建筑屋面太阳能潜力的快速评估方法[A];数智营造:2020年全国建筑院系建筑数字技术教学与研究学术研讨会论文集[C];2020年
19 王畅;叶舒然;张珍;王一伟;;基于卷积神经网络的空化水翼表面的压力预测[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
20 闫岱峻;刘伟;于圣炜;赵旭;;基于神经网络的散货船阻力预报方法研究[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
中国博士学位论文全文数据库 前20条
1 金国强;基于深度学习的复杂工况下端到端的滚动轴承故障诊断算法研究[D];中国科学技术大学;2020年
2 艾鹏程;基于卷积神经网络的高能物理事例特征信息在线提取算法研究[D];华中师范大学;2020年
3 毛博;基于卷积神经网络的地震数据重构与模型构建研究[D];吉林大学;2020年
4 马超;基于深度神经网络的三维目标检测与识别技术研究[D];国防科技大学;2019年
5 高震宇;基于深度卷积神经网络的图像分类方法研究及应用[D];中国科学技术大学;2018年
6 曾宇骏;基于深度神经网络的智能车辆目标识别与学习控制方法研究[D];国防科技大学;2018年
7 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
8 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
9 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
10 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
11 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
12 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
13 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
14 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
15 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
16 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
17 毛瑞琛;深度神经网络下的规范化地址建设与语义空间模型研究[D];浙江大学;2019年
18 武晨;DFP航天器动力学特性分析及精确控制方法研究[D];哈尔滨工业大学;2018年
19 杨旭辉;基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究[D];兰州大学;2019年
20 樊英杰;时滞忆阻神经网络的镇定及同步控制研究[D];山东科技大学;2019年
中国硕士学位论文全文数据库 前20条
1 李柯徵;基于多模态神经网络的图像描述方法研究[D];兰州交通大学;2020年
2 Alexander Schmitt;[D];上海交通大学;2019年
3 柯岩;卷积神经网络基础要素的机理研究[D];北京化工大学;2019年
4 党倩;基于深度卷积神经网络的交通标志识别[D];陕西师范大学;2016年
5 黄子良;基于深度学习的图像识别系统算法研究[D];成都信息工程大学;2019年
6 高卿;基于卷积神经网络的人脸识别研究[D];广西民族大学;2020年
7 赵薇;基于深度神经网络的图像颜色词汇自动识别方法研究[D];昆明理工大学;2019年
8 王亚敏;基于多尺度卷积神经网络的车型识别[D];郑州大学;2017年
9 吴秦龙;结合协同训练的深度图像分类网络[D];南京邮电大学;2016年
10 刘兵;基于深度卷积神经网络的图像检索算法研究[D];武汉科技大学;2017年
11 蒋璨;一种关于卷积神经网络的加速结构[D];电子科技大学;2020年
12 钱辉;基于深度卷积神经网络的无监督领域适配算法研究[D];河北大学;2020年
13 张广磊;基于免疫卷积神经网络的深度学习研究[D];东华大学;2016年
14 徐瑾;基于进化优化卷积神经网络的图像识别方法研究[D];重庆邮电大学;2020年
15 王若辰;基于深度学习的目标检测与分割算法研究[D];北京工业大学;2016年
16 陈天龙;基于深度神经网络的文本分类模型研究[D];南昌大学;2020年
17 陈俊名;基于深度卷积神经网络的人脸表情识别研究[D];重庆邮电大学;2020年
18 孟文倩;基于卷积神经网络的年龄估计[D];河北工业大学;2018年
19 刘扬;基于模糊理论的深度学习在人脸识别中的研究[D];中国地质大学(北京);2020年
20 郑辉;基于卷积神经网络的红外图像识别研究与实现[D];哈尔滨工程大学;2017年
中国重要报纸全文数据库 前20条
1 记者 董映璧;神经网络技术检测玻璃钢缺陷精度高[N];科技日报;2020年
2 骆无意;图神经网络让集群无人系统更智能[N];中国航天报;2020年
3 量旋科技;量子计算与量子神经网络:智能时代研究新范式[N];中国计算机报;2020年
4 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
5 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
6 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
7 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
8 ;神经网络小史[N];电子报;2018年
9 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
10 ;人工智能将取得大面积突破[N];中国企业报;2017年
11 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
12 ;人类正迎来云端机器人时代[N];中国企业报;2017年
13 张斌;谁还需要“同传”[N];文汇报;2017年
14 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
15 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
16 记者 邱智丽;AI竞赛 中国力量崛起[N];第一财经日报;2017年
17 卡内基·梅隆大学计算机科学学院机器学习系主任 Tom Mitchell;突破人类和机器的边界[N];中国信息化周报;2017年
18 舒年;“深度学习”与人工智能的新挑战[N];工人日报;2017年
19 记者 刘霞;新神经网络使计算机像人一样推理[N];科技日报;2017年
20 本报记者 喻思娈;人工智能有多智能?[N];人民日报;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