【摘 要】
:
滚动轴承是旋转机械中最为重要、应用最为广泛的零部件之一,因其复杂的工况和结构复杂,是旋转机械故障中最常见的故障来源之一。若该部件出现故障问题,将会造成很大的安全隐患,可能会导致无法估量的经济损失。因此,在滚动轴承的智能故障诊断中,实现其智能化的应用具有十分重要的现实意义,一直是故障诊断研究领域的焦点。虽然经典的机器学习方法可以解决滚动轴承故障诊断中的许多问题,但它仍然存在一些局限性,如需要大量有标
论文部分内容阅读
滚动轴承是旋转机械中最为重要、应用最为广泛的零部件之一,因其复杂的工况和结构复杂,是旋转机械故障中最常见的故障来源之一。若该部件出现故障问题,将会造成很大的安全隐患,可能会导致无法估量的经济损失。因此,在滚动轴承的智能故障诊断中,实现其智能化的应用具有十分重要的现实意义,一直是故障诊断研究领域的焦点。虽然经典的机器学习方法可以解决滚动轴承故障诊断中的许多问题,但它仍然存在一些局限性,如需要大量有标记的数据进行训练,复杂的特征需要人工提取且耗时耗力,强噪声环境下效果不佳等。因此,本文针对以上问题展开如下研究:(1)针对实际生产环境中存在的故障数据难以获取导致的类别不平衡等问题,本文将半监督学习生成对抗网络和残差网络相结合,利用残差块对生成器和判别器进行优化,从而有效提高生成对抗网络的数据生成性能,同时,本文改进了网络模型中的损失函数,使得网络更加关注故障样本。然后利用生成数据对样本进行扩充,形成平衡数据集。实验表明,所提出的方法能够有效解决类别不平衡问题,比对比算法具有更高的诊断准确率。(2)针对强噪声环境下如何提高滚动轴承故障诊断的精度的问题,本文采用软阈值来自适应学习噪声阈值,以达到降噪的目的,此外,考虑到传统激活函数进行固定的非线性变换不利于提升特征学习能力,故采用自适应参数整流器线性单元作为激活函数,为减少网络的计算量改进了残差收缩模块的网络结构,最终提出了基于改进的深度残差收缩网络的故障诊断方法。通过在原始信号中加入不同等级的噪声进行实验,验证了模型具有优良的降噪性能和较高的诊断准确率。(3)针对变负载下的滚动轴承故障诊断性能差的问题,因为滚动轴承振动信号是时序信号,具有局部突变性的特点,本文提出了基于时间域的注意力模块,在此基础上结合残差收缩网络中的通道域注意力模块,得到基于串行混合域注意力的模块,最终提出了基于混合域注意力的深度残差收缩网络诊断模型。通过实验对比分析,发现所提出的方法更能捕捉到振动信号不同域内的重要特征,进一步提高了变负载下滚动轴承故障诊断方法的敏感度和有效性。
其他文献
卷积神经网络的运行通常需要大量的存储与计算资源,这些限制条件使它们很难部署移动端或嵌入式设备中。因此需要通过神经网络模型压缩、轻量级卷积核设计与神经架构搜索等方式来降低神经网络的参数量与计算量。网络模型压缩是一个工作量大且困难的工作。神经网络架构搜索是在由各种卷积核构成的搜索空间中进行自动的网络架构搜索,输出较优的轻量级网络架构。因此,轻量级卷积核的设计是一项至关重要的工作。本文主要研究轻量级卷积
随着信息收集技术的快速发展,人们可以便利地获得海量信息,但同时也引发了信息过载的问题。人们需要消耗大量的时间和精力筛选出自己需要的信息。推荐系统是缓解信息过载的重要工具,它可以有效地对信息进行筛选,实现个性化的信息推荐。传统的推荐算法主要面向用户的整体偏好进行建模,不能有效地捕捉用户短时期内的兴趣偏好。本文研究的序列推荐算法基于用户在一定时间内与系统的有序交互,不仅可以精确地表征用户的当前意图,还
手性胺类化合物是一类重要的有机化合物,因其具有一定的碱性和潜在的生物活性,在不对称合成领域备受关注。其中,手性α-氟代-β-氨基羟吲哚类化合物具有潜在的药物活性,手性1,3-二胺衍生物可作为潜在的手性配体,因此,发展两类化合物的不对称合成的方法学具有一定的理论意义和应用价值。众所周知,含碳亲核试剂与亚胺的不对称Mannich反应是构建手性β-氨基酮(酯)化合物最有效直接的方法。为此,本论文主要针对
纳米材料和纳米器件在绿色催化、能源存储、传感检测以及治疗诊断等领域中的出色表现在现代科学中引起了广泛的关注。事实上,这些纳米材料的特性很大程度上取决于它们的纳米尺寸,表面改性和聚集程度。超分子大环化合物是一类多功能的大环主体分子,而且根据他们自身独特的空腔结构、易功能化、主客体络合能力等特点可以通过共价或者非共价相互作用修饰在无机纳米粒子表面,形成以大环芳烃为基础的有机-无机杂化纳米平台。无机纳米
活动图在软件需求分析中发挥着重要作用。它帮助业务参与者在软件建模过程中理解系统的组织和运转特征。然而,人工绘制活动图需要花费大量时间和精力。因此,实现需求文本生成活动图的自动化流程具有重要的研究意义与应用价值。为了提高活动图的自动化生成质量与绘制效率,本文提出一种基于需求文本分类的活动图自动生成方法。本文的研究工作主要包括:(1)提出了一种基于语义特征融合的需求文本分类方法。根据软件工程需求文本的
刺玫果是植物山刺玫的果实,主要生长在中国东北、内蒙古等地。它富含黄酮类、维生素、三萜、多糖、有机酸等多种化学成分,具有预防心血管疾病、保肝、增强免疫力、抗氧化、抗疲劳、抗衰老、抗肿瘤等药理作用。黄酮类化合物作为刺玫果中的主要活性物质被广泛关注和研究,但其水溶性差和渗透性低等缺陷,导致总黄酮的生物利用度较低,药物疗效受限。近年来,纳米技术在医药领域上展现出良好的应用前景,目前已经被广泛应用于解决难溶
深度学习算法往往假设训练集与测试集分布一致。然而,在实际应用中,由于采集设备、环境条件不同等因素,导致测试数据分布与训练数据分布不一致。当模型应用到目标测试数据时,性能大幅下降。一种解决方案是用标注的目标数据来微调模型,可是数据标注过程成本高昂。为了解决这个问题,无监督领域自适应探索把源域所学知识迁移到目标域,进而提升目标域性能并节省标注成本。现有的无监督领域自适应算法通过分布对齐的方式以求解决源
芳香胺是广泛存在于药品、农药和天然产物中的重要分子骨架,开发多种多样的芳香胺片段的合成和修饰方法具有重要意义。直接C-H官能团化具有步骤简单和原子经济性等优点,一直被认为是有机分子修饰的强有力工具。近些年来,很多科学家致力于探索高效便捷的芳香胺骨架小分子药物的官能团活化策略,以图改善原药物的性能以及开发新型药物。C-C键和C-O键是存在性极为广泛有机化合物骨架结构,甚至是一些药物、材料或者生物活性
样本增广是解决图像分类问题的常用手段之一。它通过生成新的图像来强化数据集的多样性,进而增强模型的泛化性,从而提高模型处理分类问题时的准确率。然而,目前主流的样本增广算法大多是基于图像的局部不变性进行图像基本变换。图像基本变换通常较少考虑图像本身的内容信息,在处理小样本图像数据集时较难增广出多样化的样本。因此,有必要研究如何对小样本图像数据集进行有效增广,以提升小样本图像数据集分类模型的准确率。根据
自由基作为自然界物质转化和生命过程中重要的活性中间体,在反应机理、催化和等离子体化学等领域得到了广泛的应用与研究。自由基通常具有较高活性,且易被氧化变质而无法被单独分离出来和长期保存,因而一般被认为只能以过渡态的形式存在。然而,在20世纪初,科学家研究出了首个能够长期保存在溶剂中的三苯甲基自由基。此后,科学界相继出现了多种此类“持久”性自由基和能够单独分离且长期在温和条件下保存的“稳定”自由基,其