【摘 要】
：
开展滚动轴承状态监测、故障诊断的研究,能够有效保障作业设备长期安全稳定地运转,避免安全事故的发生,减少人力财力的损失。传统故障诊断方法主要以信号处理技术和专业技术人员的经验分析能力为主,从而导致该类诊断模型泛化能力差,基于数据驱动的深度学习技术依赖大数据自学习、自适应等特点,能够有效解决复杂易变工况下滚动轴承故障诊断问题。本文以滚动轴承振动信号为研究对象,结合深度学习理论,围绕滚动轴承故障预测及故
【基金项目】
：
2011计划高端制造装备协同创新中心； 深圳富士康公司“基于大数据高端精密机床的新一代智能制造维护系统”；
论文部分内容阅读
开展滚动轴承状态监测、故障诊断的研究,能够有效保障作业设备长期安全稳定地运转,避免安全事故的发生,减少人力财力的损失。传统故障诊断方法主要以信号处理技术和专业技术人员的经验分析能力为主,从而导致该类诊断模型泛化能力差,基于数据驱动的深度学习技术依赖大数据自学习、自适应等特点,能够有效解决复杂易变工况下滚动轴承故障诊断问题。本文以滚动轴承振动信号为研究对象,结合深度学习理论,围绕滚动轴承故障预测及故障类型识别问题,进行了以下内容的研究:传统的滚动轴承故障诊断方法难以在复杂易变的多工况下有效提取故障特征信息,STFT能够将振动信号的时频特征信息显著增强,CNN善于提取图片的非线性隐含关联特征信息,故而设计实现了基于STFT-CNN的滚动轴承故障诊断方法。原始信号经STFT变换后,得到时间和频率两个维度的时频谱图,输入改进的LeNet-5模型中进行故障类型识别,利用卷积层、池化层的数据自学习,输出原始信号的预测故障类型。通过多工况条件下5种不同故障类型的滚动轴承原始振动信号验证了该方法的有效性。滚动轴承一旦出现缺陷故障便会产生周期性的冲击或具有高次谐波的振动信号,由于滚动体除正常自转与公转外,还会发生摇摆和横向振动,故时域故障信号具有一定的随机性,对此,提出了一种基于LSTM-SVM的滚动轴承故障诊断方法。该方法将时域连续数据段输入双层LSTM结构,自适应提取数据时间、空间相关特征,利用SVM多元分类器获得数据预测结果,通过加工现场实验数据集和CWRU开源数据集验证了该方法的有效性及泛化能力。滚动轴承的工业工作环境复杂恶劣,采集的振动信号往往掺杂着大量强噪声信号,给故障特征提取带来了极大的挑战,针对该问题提出一种基于EEMD-CNN的滚动轴承故障诊断方法。首先,利用改进的EEMD对原始信号分解、降噪,经CNN模型提取滚动轴承不同故障类别的高维特征,实验结果分析表明,该模型可有效提取高噪声下数据特征,具有收敛速度快、故障类别识别准确率高、通用性强等特点。
其他文献
振动在生活中无处不在,由于振动而产生的噪声,会严重影响人们的生活和生产活动,振动本身会对设备的结构产生影响及破坏,减少其使用年限,因此对振动的消减具有十分重要的意义。国内外许多学者在振动控制装置设计方面进行了大量的研究,目前应用于工程中的振动控制装置大致分为三类:减振、隔振、吸振装置。液力共振转换器是以吸振为原理的减振装置,其由活塞腔、油腔以及连接活塞腔与油腔的导管所组成,液力一般选择液压油,通过
低温等离子体作为一种新型能量利用手段,在生物医学、废气处理、流动控制和材料表面改性等各领域受到广泛关注。脉冲电源作为低温等离子体的激励电源形式之一,具有功率密度高、折合电场强度大以及能产生大量高能粒子等优点,因此受到了国内外广泛研究。但目前对于低温等离子体脉冲电源的研究主要集中在高功率和单一放电装置领域,而对于能适应多种放电装置的低温等离子体脉冲电源,传统扫频驱动方式的效率较低。为了设计一款能适应
套筒连接法是一种常用的冷连接方式,其具有成本低、强度高等优点,被广泛应用于钢筋的连接。由于外部振动、加工质量等原因钢筋套筒连接结构可能会发生松动影响工程质量,因此需要对其松动进行检测。本论文研究了基于磁致伸缩导波的钢筋套筒连接结构松动检测方法,为建筑工程质量提供了保障。首先,利用半解析有限元法研究了钢筋套筒连接结构的导波传播特性。在分析了钢筋套筒连接结构横截面特征的基础上,建立了用于计算其频散曲线
近年来,深度学习算法已成功应用于轴承故障的检测和分类。其中,卷积神经网络（CNN）和循环神经网络（RNN）都是常见的端到端深度学习模型。然而,随着工业大数据时代的到来,海量的数据和高耦合度的故障类型,使得故障诊断任务日趋复杂。传统的深度学习模型需要不断加深以应对复杂的工况。但是网络加深却会导致梯度消失和梯度爆炸的问题。此外,在传统的模型中,所有的故障特征都被同等对待,这限制了卷积神经网络强大的特征
由于其优异的机械性能,纤维增强复合材料被越来越多的应用于实际工程之中,其优化设计也受到了广泛关注。针对优化求解效率随着优化规模增加而明显降低的问题,本文将多层级优化思想融入基于参数化无散矢量场的优化方法之中,对纤维增强复合结构的纤维布局进行优化设计,并探究了各个层级的配置方式对多层级优化结果的影响。本文运用参数化无散矢量场对纤维布局进行描述,保证了纤维铺放路径不相交,满足了制造工艺对纤维布局提出的
柔性机构是一类通过弹性变形将输入的力或位移传递到驱动端的整体式结构,具有集成化高、无摩擦、噪音小等优点,在航空航天、医疗和MEMS等高精尖领域有着广泛的应用。随着科技的不断进步,目前柔性机构的性能表现需满足:定位精度高、足够的行程、抗疲劳性强、工艺性好等。因此,设计性能优良的柔性机构也一直是研究热点。本文开展了柔性机构拓扑优化设计方法研究,并通过实验验证了优化后柔性机构的力学驱动性能。进一步地,将
在航空航天领域,苛刻服役环境下的热防护结构的新型轻量化设计方案一直都是结构设计领域的研究热点。伴随着计算机技术和数值仿真技术发展而日益成熟的拓扑优化技术,提高了结构轻量化设计的创新潜力,降低了结构创新设计门槛。在众多拓扑优化方法中,双向渐进结构优化方法（BESO）以其优化效率高和普适性强的特点,被广泛地应用于理论研究和工程实践。本文基于BESO方法,开展了均匀温度场下和热传导下的热弹性结构拓扑优化
虚拟维修是舰船设计必不可少的研究内容,而虚拟维修中的虚拟人路径规划是虚拟维修的重要环节。舰船的虚拟维修具有环境空间复杂、维修设备或工具庞大、空间狭小、多虚拟人协同作用等特点。针对上述特点,本文总结了现有研究内容,对虚拟维修中多虚拟人在狭小空间、复杂维修环境下的路径规划问题进行了研究。主要研究内容包括以下几个方面。首先,由于虚拟维修环境根据设计调整变化频繁,本文采用了基于二维网格图的LPA*算法,使
维修仿真是验证装备维修性的重要手段。面向舰船装备的多人协同维修由于任务类型特殊、零部件结构复杂,存在难以完整描述维修过程、无法合理分配维修任务、维修规划难以与维修仿真建立联系等问题,限制了维修仿真在实际工程中的应用。针对这些问题,本文对舰船装备维修任务分解、多人协同任务分配及任务执行时虚拟人仿真动作生成等关键技术进行深入研究,主要包括以下几个方面:首先,针对舰船装备实际维修作业类型,提出了基于分层
在船舶模型的设计阶段,主要依靠工业建模软件的性能来保证建模的质量和效率,因此,现代船舶工业的发展对船舶建模软件提出了更高的要求。本文针对船舶建模软件开发维护过程中不断更新预置文件以及船舶三维模型创建过程中重复指定参数的问题,在船舶建模软件中引入深度学习方法,开展了参数推荐方法的研究,实现了根据设计规则对模型参数的推荐。主要完成的工作如下:首先,分析了船舶结构板类构件特点,以端部裁剪为例,根据裁剪对