【摘 要】
：
电机在人们的生产生活中应用广泛,电机故障会引起经济损失、人员受伤等问题。滚动轴承是构成电机设备的重要元件,滚动轴承故障是电机故障的主要原因之一,因此,电机轴承故障的智能实时诊断尤为重要。针对传统的轴承故障诊断方法存在模型尺寸大、检测时间长、抗噪性能不佳、不适用于实时诊断的问题,本文基于卷积神经网络和Jetson Nano的嵌入式系统研究轴承故障的实时诊断方法,从硬件设计和网络算法两个方面着手研究,
论文部分内容阅读
电机在人们的生产生活中应用广泛,电机故障会引起经济损失、人员受伤等问题。滚动轴承是构成电机设备的重要元件,滚动轴承故障是电机故障的主要原因之一,因此,电机轴承故障的智能实时诊断尤为重要。针对传统的轴承故障诊断方法存在模型尺寸大、检测时间长、抗噪性能不佳、不适用于实时诊断的问题,本文基于卷积神经网络和Jetson Nano的嵌入式系统研究轴承故障的实时诊断方法,从硬件设计和网络算法两个方面着手研究,将网络算法部署到硬件平台后进行实时诊断,主要研究内容如下:1.本文构建由传感器、信号采集电路、单片机、Jetson Nano及轴承故障实验平台组成的嵌入式滚动轴承故障诊断硬件系统,对系统的各部分组成进行详细地分析与介绍,分析滚动轴承故障产生的原因,并且介绍本文数据采集的实验装置,该硬件系统与轴承故障诊断算法结合后可以有效地实现滚动轴承的实时诊断,符合实时性要求较高的诊断现场。2.针对传统轴承故障诊断存在实时性差的问题,本文研究基于一维卷积神经网络的嵌入式滚动轴承故障实时诊断系统,分析讨论影响模型诊断性能的重要参数,设计三组双层卷积加最大池化的堆叠结构以有效提取特征,并利用全局平均池化技术以降低模型参数量。实验结果表明该方法可以有效对电机的滚动轴承故障进行实时诊断,在噪声干扰下,该方法也可以达到较好的诊断效果,证明该方法具有较好的抗噪声性能。3.针对上述1DCNN模型不够轻量化、检测时间长、抗噪性能仍可以提升的问题,本文提出一种基于压缩扩张深度可分离卷积的轻量级网络SEDS-CNN,通过改进Fire模块实现对数据先压缩后扩张的目的,利用深度可分离卷积层和全局平均池化层替换标准卷积层和全连接层,以降低模型参数及运算量、缩小模型大小,引入Dropout层以提高模型抗噪声能力和避免发生过拟合,最后将所提方法与搭建好的嵌入式系统相结合。对比实验结果表明,所提SEDS-CNN更加轻量化,模型存储空间更小,具有更好的抗噪声能力和更快的检测速度。
其他文献
目的 分析优质护理对血液透析加血液灌流治疗的尿毒症顽固性高血压患者的护理效果。方法 选择2019年2月至2021年1月在我院住院治疗的80例尿毒症顽固性高血压患者，采用奇偶数分配方式分为研究组和对照组。偶数定为研究组，接受优质护理干预；奇数定为对照组，实施常规治疗关切。对比两组干预后的血压水平，情绪、效能及生活质量评分。结果 干预后，研究组的收缩压和舒张压明显低于对照组，差异有统计学意义（P ＜0
近年来,利用环境中的振动能量来实现微电子系统和无线传感设备的自供能,已经受到众多学者的关注。其中,颤振俘能作为一种具有频带较宽、发电效率较高等优点的自激激励、大幅值振动形式,已经逐渐成为现阶段压电振动俘能器的主要研究方向。颤振压电俘能器只能在临界颤振速度之后工作,在实际应用中气流速度范围太窄,无法在低速环境中有效的应用。基于拓宽翼型颤振压电俘能器的工作范围的目的,本文提出了一种磁力耦合式翼型颤振压
飞机进气道内壁需要喷涂厚度均匀的特种涂料涂层以实现雷达隐身等功能。其人工喷涂的效率和涂层均匀性均难以满足未来需求,且涂料中的有害物质严重危害工人健康。因此研究面向飞机进气道内壁的喷涂机器人及其喷涂路径规划,实现进气道内壁的喷涂自动化,提高喷涂效率和涂层均匀性是必要的。现有研究均采用单一机器人喷涂整个内壁曲面的方案,由于机器人的空间可达性不足等原因其不能达到预期喷涂效果。针对上述问题,本文提出了“分
以茂名某高岭土为原料，采用BP1000剥片机进行两机串联的磨剥工业试验研究。研究结果表明，当分散剂六偏磷酸钠用量为干矿质量的0.1%，剥片转速为300r/min，磨球量为900kg时，-2μm含量可提高到92.08%。
目的 探究维持性血液透析高血压患者延续性护理的应用效果及满意度。方法 将维持性血液透析高血压患者作为本次研究对象，收治时间在2019年8月至2020年8月，将100例患者按照电脑随机法分组，观察组50例实施延续性护理、对照组50例实施常规护理，比较和分析两组护理效果。结果 观察组饮食与水盐控制（29.52±1.52）分、躯体活动（17.52±1.45）分、社会心理行为（16.85±1.71）分、一
光镊是一种基于光捕获效应的微观微粒操作工具,由于光镊对于粒子操控的结构简洁而有效,目前已经在生物、物理和化学等多个领域中发挥了重要作用。光纤光镊能够在非常狭窄的空间中捕获微粒,可以直接插入到样品室中,不需要高数值孔径的物镜,增大了捕获和操控的范围,并且灵活性更高。光镊技术不仅可以实现微观粒子的操控,还可以与其它技术结合实现更多功能,例如与光学干涉结构构成各种微型传感器。本论文通过设计光纤探针的结构
岩相识别是储层评价和油藏描述等勘探开发的基础环节,碳酸盐岩储层具有非均质性强、孔隙结构复杂等特点,各表征间存在较强的非线性关系。传统的岩相识别技术存在精度低、耗时长、成本高等问题,难以对储层进行精准描述。深度学习能够自动挖掘储层信息中的非线性特征,已经成为储层岩相识别的热点技术。然而,单一深度神经网络将测井表征直接输入网络,利用效率低,识别结果存在一定的不确定性。实现高精度、高可靠的储层岩相识别对
激光武器在应对中小型无人机时有着巨大优势,但在机载高能激光捕获、跟踪和瞄准（Acquisition,Tracking,Pointing,ATP）系统中,反射镜未能完全反射激光,部分激光透过反射镜薄膜加热基底材料,造成镜面温度上升。而机载ATP光学系统多为结构框架附加隔热蒙皮的形式,导致镜面热量无法散出,引起结构变形,影响光轴稳定。因此对机载高能激光ATP系统进行散热设计是提高激光武器实际作战性能急
随着当今制造业的发展及大批工厂的原油需求,含油废水的乱排放现象以及海面油泄漏问题频频发生,造成了自然资源的浪费和环境污染等问题。在处理含油废水时,传统的分离技术处理效率低且能耗高,并且在分离过程中时常造成二次污染。相比之下,膜分离技术分离方式简单,仅靠液体自身的重力驱动便可以完成分离。但目前研究最广泛的超疏水/超亲油网膜在分离过程中存在着分离效率低且网孔易被油污污堵的现象,导致其实用性不足;而超疏
协同显著性检测是视觉显著性检测的一个重要分支,可以作为预处理来提高视觉任务处理效率与算法性能。协同显著性检测需要综合考虑每个图像的属性以及图像间的一致性和交互性,但是许多协同显著性检测方法只关注高层次的特征信息,而不考虑低层次的有用信息,未能充分利用全部的有效信息,这使得检测结果出现一定程度上的偏差。本文在现有研究的基础上设计两种基于深度学习的协同显著性检测方法,充分利用高层语义特征和低层边界特征