收藏本站
收藏 | 论文排版

基于声振信号联合的轴承故障诊断方法研究

顾鑫  
【摘要】:随着目前大数据与人工智能技术的快速发展,传统机械制造业的逐渐转型是必然趋势。轴承作为旋转机械设备中最为典型的部件之一,它的运行状态对旋转机械设备的正常运行至关重要。因此,开展轴承的故障诊断研究具有重要的理论和实际意义。传统的轴承故障诊断研究大多是基于振动信号进行时频域特征提取来完成诊断任务,而在实际的工厂车间中,因存在高腐蚀和高温等恶劣环境,导致仅通过接触式采集的振动信号不能满足轴承的故障诊断需求。基于此问题,通过麦克风等非接触式采集的声音信号与振动信号互为补充,共同反应轴承的工作状态。另外,在轴承故障诊断中,大多数的研究都是基于单信号源和单模型,而如何在多信号源的条件下通过多模型融合来实现轴承故障诊断也是本文的研究内容。本文的主要研究工作如下:(1)针对滚动轴承故障振动信号具有非线性和非平稳性的问题,本文提出了一种自适应的一维卷积神经网络(1-Dimensional Convolutional Neural Network,1-DCNN)和长短时记忆网络(Long and Short-Term Memory Network,LSTM)融合的轴承故障诊断方法。首先,将原始一维振动信号通过有重叠取样的方式分别输入1-DCNN和LSTM两个通道;然后通过维度拼接方式进行空间和时间维度上特征信息的融合;最后,通过Softmax分类器进行故障类别的分类输出。该方法可以直接从原始振动信号中自适应提取特征,实现了“端到端”的故障诊断。采用CUT-2实验平台故障数据,通过对滚动轴承的不同故障类型、不同传感器采集方位、不同故障直径进行实验分析。结果表明,该方法在识别轴承故障类别上与其他方法相比具有更高的识别精度,并具有良好的泛化性和鲁棒性。(2)在轴承故障诊断任务中,针对单一振动信号源因设备环境等影响无法全面反映轴承工作状态的问题,本文提出了一种基于多通道卷积神经网络(Multi-Channel Convolutional Neural Network,MCNN)和注意力机制(Attention Mechanism)融合的声振信号联合分析的“端到端”轴承故障诊断方法。该方法通过布置不同方位的振动传感器和声音传感器采集轴承故障信息。首先借助卷积神经网络强大的自学习能力自适应的同时提取各个振动和声音传感器的故障特征信息;其次利用注意力机制自适应的分配各通道的特征权重,并融合故障特征信息;最后,采用多分类函数对轴承的各类故障进行识别,实现轴承的故障诊断任务。利用CUT-2实验平台故障数据验证该方法的有效性,实验结果表明,该模型在不同负载条件的不同转速下均具有较高的故障识别率,且相比于单一传感器的诊断精度,本文所提方法具有较高的故障诊断准确率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 肖磊;郭立渌;甘井中;唐超尘;;基于深度卷积神经网络的轴承故障诊断技术研究(英文)[J];机床与液压;2020年18期
2 薄建民;白婧;;裂解炉引风机用轴承故障原因分析[J];化工机械;2020年01期
3 王立斌;;工艺泵中密封和轴承故障的消除[J];炼油设计;1981年02期
4 陈丽华;纸机轴承故障的诊断分析和维护[J];中国造纸;2003年12期
5 李文越;毛海谊;;风机轴承故障的案例分析及解决[J];科技视界;2017年02期
6 胡立志;;轴承故障检测技术的研究[J];科技与企业;2014年14期
7 陈晓冬;;高压电动机轴承故障分析[J];科技传播;2013年05期
8 叶永祥;;连铸钢包回转台回转轴承故障分析[J];冶金设备;2008年04期
9 王新晴,王耀华,陈六海,袁建虎,董德才;驱动桥轴承故障振动诊断[J];起重运输机械;2001年03期
10 季旭峰;邓亚飞;杜世昌;吕君;;基于深度迁移学习的轴承故障分析[J];机械设计与研究;2021年01期
11 郝鸿鑫;李俊堂;陈炳振;孙高飞;;精轧机锥箱轴承故障振动分析[J];设备管理与维修;2019年23期
12 宋松明;沈书林;唐涛;;顶驱轴承故障解析[J];中国石油和化工标准与质量;2020年18期
13 宋斌;范文军;李云飞;;引风机轴承故障的诊断实践[J];石油化工技术与经济;2014年05期
14 丛培田;高伟;韩辉;李光;;轴承故障信号的峰值特征扩展电路研究[J];工具技术;2013年01期
15 陈辉;;电机抱轴承故障分析及采取的措施[J];机车车辆工艺;2011年01期
16 郭盼优,秦理锁,于强,刘海明;CFM56-3发动机3号轴承故障探讨[J];航空工程与维修;2001年06期
17 ;如何判断轴承故障[J];世界采矿快报;2000年07期
18 孔子宇;王海瑞;;基于Inception-ResNet模型的轴承故障分类[J];电子测量技术;2021年05期
19 颉潭成;陈孟会;徐彦伟;李先锋;;卷积神经网络在轴承故障识别的应用[J];制造业自动化;2020年01期
20 李伟;田井新;;应用精密诊断技术判断轧机减速机轴承故障[J];装备维修技术;2014年03期
中国重要会议论文全文数据库 前20条
1 张誉;高小永;丁昆鹏;赵越;林丽华;;混合PCA和SOM模型的轴承故障检测及分类方法[A];2021中国自动化大会论文集[C];2021年
2 吴诗春;薛文敏;;一种手持式动车组轴承故障声学诊断系统的研究[A];2019铁道车辆轮轴学术交流会论文集[C];2019年
3 徐大波;蒋波;;提高轮轴检修故障发现准确率 确保货车车辆安全运行[A];2019铁道车辆轮轴学术交流会论文集[C];2019年
4 陈建华;黄震西;田井新;;综合应用多种技术诊断摆剪减速机轴承故障[A];2014钢铁企业设备故障远程诊断技术与无损检测交流会论文集[C];2014年
5 徐建立;;基于支持向量机的转辙机轴承故障分类实验研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
6 杨积忠;左立建;;风机轴承故障诊断实例[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
7 胡茑庆;潘中银;陈敏;秦国军;;结合包络解调与随机共振的轴承故障检测[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
8 郝如江;卢文秀;褚福磊;;基于形态分析和支持向量机的轴承故障分类研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
9 郝如江;朱勇辉;于新奇;;能量因子用于轴承故障声发射信号的特征提取[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
10 苏钢;姚成宝;;高温鼓风机轴承故障分析与诊断[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
11 李静娇;陈恩利;刘永强;;基于BEMD相对能量与支持向量机的轴承故障诊断方法研究[A];第十届动力学与控制学术会议摘要集[C];2016年
12 胡赤兵;楼军伟;王季;李贵子;;基于EMD样本熵的轴承故障信号复杂性度量[A];创新装备技术 给力地方经济——第三届全国地方机械工程学会学术年会暨海峡两岸机械科技论坛论文集[C];2013年
13 李伟;田井新;;应用精密诊断技术判断轧机减速机轴承故障[A];2014钢铁企业设备故障远程诊断技术与无损检测交流会论文集[C];2014年
14 陶新民;杜宝祥;徐勇;;基于Lyapunov指数的一类轴承故障检测研究[A];第二十六届中国控制会议论文集[C];2007年
15 朱文军;盛邦清;訾建新;;矿用大型设备轴承故障监测与诊断系统的研究及应用[A];第24届全国煤矿自动化与信息化学术会议暨第6届中国煤矿信息化与自动化高层论坛论文集[C];2014年
16 邓会霞;武晓龙;;发动机轴间轴承故障控制技术[A];航空装备维修技术及应用研讨会论文集[C];2015年
17 朱忠奎;王诗彬;王安柱;;基于Laplace小波相关滤波的轴承故障特征检测[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
18 杨曼云;;基于morlft小波法包络检波分析技术的轴承故障诊断技术研究[A];2012年全国地方机械工程学会学术年会论文集(云南省分册)[C];2012年
19 李龙国;朱树伟;彭厚良;;熔融齿轮泵行星减速机轴承故障分析与处理[A];中国职协2017年度优秀科研成果获奖论文集(一二等奖)[C];2018年
20 邵毅全;钟鸣华;邵毅敏;;使用激光传感器检测轴承故障[A];第一届全国流体动力及控制工程学术会议论文集(第二卷)[C];2000年
中国博士学位论文全文数据库 前11条
1 段杰;滚动轴承微弱冲击信号的检测与特征提取方法研究[D];华中科技大学;2019年
2 张翱;列车轴承故障道旁声学诊断关键技术研究[D];中国科学技术大学;2014年
3 胡飞;列车轴承故障轨边声学检测系统关键技术研究[D];中国科学技术大学;2013年
4 李勇;基于数据驱动的带式输送机轴承故障诊断技术研究[D];中国矿业大学;2021年
5 李萌;旋转机械轴承故障的特征提取与模式识别方法研究[D];吉林大学;2008年
6 郭俊;变转速工况下直驱式永磁同步风力发电机轴承故障诊断方法研究[D];中国科学技术大学;2020年
7 皮骏;基于粗糙集理论的旋转机械故障诊断技术[D];西北工业大学;2007年
8 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
9 薛征宇;船舶感应电机轴承故障的检测方法研究[D];大连海事大学;2015年
10 罗园庆;基于数学形态学的风力机发电机轴承故障诊断方法研究[D];沈阳工业大学;2021年
11 安国庆;异步电动机早期故障特征检测技术的研究[D];河北工业大学;2013年
中国硕士学位论文全文数据库 前20条
1 顾鑫;基于声振信号联合的轴承故障诊断方法研究[D];贵州大学;2021年
2 王璐;基于转速估计的变工况轴承故障诊断方法研究[D];温州大学;2019年
3 马小山;基于深度学习的风电机组轴承故障诊断方法研究[D];华北电力大学(北京);2019年
4 孙志航;发动机中介轴承故障信号特征提取技术研究[D];沈阳航空航天大学;2019年
5 刘东东;基于多级神经网络的轴承故障分类[D];华东交通大学;2019年
6 张裕顺;基于小波分析和字典学习的轴承故障诊断方法研究[D];安徽大学;2019年
7 马秋丽;基于融合特征的滚动轴承多故障预测研究[D];郑州大学;2019年
8 汪嘉晨;基于特征网络的轴承故障诊断方法研究[D];贵州大学;2019年
9 孙一卓;轨边轴承故障声学检测关键技术研究[D];哈尔滨工程大学;2019年
10 井云飞;多故障激励下感应电机轴承故障辨识与诊断系统研究[D];郑州轻工业大学;2019年
11 蔡松涛;航空发动机轴承故障信号传递路径研究[D];北京化工大学;2018年
12 程旭;基于卷积滤波的轴承故障诊断方法研究[D];苏州大学;2018年
13 程琴;基于感测线圈的油泵轴承故障检测研究[D];武汉大学;2018年
14 彭凡;高速列车轴承故障特征信号提取及诊断方法研究[D];西南交通大学;2018年
15 张冠琪;基于不同工况下并网直驱风力发电机轴承故障诊断方法研究[D];新疆大学;2018年
16 李亚卓;基于多特征量提取和极限学习机的轴承故障诊断方法研究[D];昆明理工大学;2017年
17 冯博;基于谐波注入电机轴承故障特征研究[D];大连海事大学;2017年
18 陈硕;基于属性偏序结构理论轴承故障分类的研究[D];燕山大学;2017年
19 张珂;基于声发射的低速轴承故障诊断技术研究[D];青岛理工大学;2018年
20 许鹭;航空发动机中介轴承故障综合诊断技术研究[D];沈阳航空航天大学;2018年
中国重要报纸全文数据库 前2条
1 本报记者 傅世忠;心手合一的“祖飞绝活”[N];人民铁道;2012年
2 本报记者 王婷婷;“聆听”,为了让列车安全运行[N];科技日报;2015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