【摘 要】
:
机械设备的故障诊断一般以振动信号作为研究载体,传统的做法是先降低信号的噪声,然后进行时频分析,提取信号特征,与已知的故障特征进行匹配,来判断机械设备是否发生故障。而随着大数据的发展,海量的振动信号让人为的故障识别变成了一件不可能完成的任务,必须借助人工智能的算法来代替人们实现故障诊断。如何结合先进的信号降噪、特征提取技术以及优秀的机器学习算法,是本文研究的重点。本文将会通过对信号的降噪技术、信号的
论文部分内容阅读
机械设备的故障诊断一般以振动信号作为研究载体,传统的做法是先降低信号的噪声,然后进行时频分析,提取信号特征,与已知的故障特征进行匹配,来判断机械设备是否发生故障。而随着大数据的发展,海量的振动信号让人为的故障识别变成了一件不可能完成的任务,必须借助人工智能的算法来代替人们实现故障诊断。如何结合先进的信号降噪、特征提取技术以及优秀的机器学习算法,是本文研究的重点。本文将会通过对信号的降噪技术、信号的特征提取技术、智能识别模型三方面的研究来实现对滚动轴承的滚动体故障、内圈故障以及外圈故障的单一故障智能诊断识别的目的。首先在降噪技术方面,基于已有的SVD降噪技术,根据它的奇异值有效秩阶次必须依靠人为经验来确定的缺点,提出了一种改进的奇异值分解降噪方法,通过对奇异值进行K-means聚类以及一些判定规则来实现对奇异值有效秩阶次的智能选择,成功的避免了原方法中人为因素地影响,并且在仿真实验中证明了该方法的在降噪效果上的优越性能。其次在对信号的特征提取方面,从小波变换相比傅里叶变换的差异与优越性介绍了时频分析与频域分析的不同,并且使用了一种基于小波变换的小波包分解与重构方法,通过把振动信号分解到不同的频段上,然后计算分解后的信号在各个频段上的能量,于是得到了振动信号的能量特征,结合信号的时域特征,作为对信号的特征提取的结果。最后在智能识别模型方面,研究了当下主流的分类识别算法,并且分别从传统的机器学习模型和深度学习两方面进行了测试和探究。在传统的机器学习方法中,借助小波包分解特征提取技术,分别使用了 LightGBM集成树模型、支持向量机、随机森林以及KNN算法进行了测试,并且都取得了不错的效果。在深度学习的方法中,主要选择了卷积神经网路(CNN)以及长短时记忆(LSTM)网络。由于深度学习是一种端到端的学习方式,不需要人为的提取特征,直接将振动信号作为模型的输入。最后CNN的识别效果非常令人满意,当样本量充足,CNN取得了最高的识别精度,更重要的是它省去了人为提取特征的步骤,进一步实现了智能化。
其他文献
氢气可以被视为最适合发展的新型清洁能源载体,具有可再生和高能量密度的优势,可以以替代矿物燃料,以降低日益增加的能源环境压力。获得氢气的一种有希望的方法是太阳能驱动
2014年,W县爆发企业民间借贷危机,W县政府迅速做出反应处置该次危机。笔者通过亲自参与整个处置过程,发现W县政府对该次危机的处置呈现出“弱监管而强处置”的特征。该种特征
近年来,光纤光栅阵列传感技术逐渐应用于安防系统中,但光栅阵列伴随着噪声多,容量大、信号信息难获取的特点,使得安防系统的监测受到很大困扰。传统的监督聚类算法,例如DBSCA
本文在研究和总结国内外关于逆物流的理论和实例的基础上,通过分析电子产品企业实施逆向物流其对企业和社会层面的影响因素,构建逆物流绩效综合评价指标体系,探讨了层次分析
自2001年我国加入WTO以后,中国的进出口贸易得到了快速增长。2013年,中国进出口总值第一次突破4万亿美元成为世界第一大贸易国,货物进出口总额和出口总额位列第一位,同年我国经济结构发生了一个具有历史意义的重大变化,第三次产业比例首次超过了第二产业比例;到了2014年,我国进出口总额继续保持增长,并保持在世界第一位;2015年,虽然中国经济增速放缓,进入经济“新常态”,但是连续三年全球货物贸易蝉
本文主要研究辽河油田东部凹陷红星地区火成岩储层,从火成岩旋回期次划分、火成岩岩相的空间展布预测、裂缝预测及火成岩储层预测四个方面,对红星地区沙三中下段火成岩的地质
图像在获取、成像、处理、存储等过程中,容易受到外界因素的干扰而产生降质,退化为模糊图像。图像复原技术可以一定程度上将退化后的图像清晰化。本文从实际的项目出发,将项目中带有离焦模糊的人脸图像作为研究对象,运用图像盲复原技术来处理图像,希望提高图像质量和人脸识别的效果。由于现有的方法没有针对性地复原离焦人脸的特征,且大多是针对全局模糊图像进行处理的,本文为了更好地解决这个课题,将研究内容分为两个部分:
近年来,得益于信息、材料、微加工技术等多学科的发展,光纤传感器的种类越来越多,许多基于智能敏感材料的光纤微型结构传感器被提出来,极大丰富了光纤传感器的应用领域。与传
吸收和散射是光与物质相互作用的主要形式。在细胞悬浮液、生物组织、血液、食品、农作物、土壤、环境污水等混浊材料中,材料对光具有较强的光散射特性;同时材料的分子结构差
声表面波(SAW)传感器利用声表面波技术,将所测量的物理量转换成我们需要的电信号。由于SAW的绝大部分能量集中在基底表面,故该传感器对外界环境极其敏感,具有非常好的灵敏度。细菌纤维素(BC)由超细的丝状纤维相互交织形成发达的超精细网状结构,且表面含有大量的孔隙及羟基基团,非常适用于作为传感器的敏感膜材料。本文研究了基于BC敏感膜的湿敏性能及其特定结构用以改善聚乙烯亚胺(PEI)对甲醛气体的气敏性能