基于极限学习机与深度学习理论的滚动轴承故障诊断研究

发布时间：2024-03-23 10:52

　　近年来,我国科技水平得到了进一步的提升,信息化的发展带动了工业化的进步,使得机械化生产日益普及。滚动轴承是机械系统的重要组成成分,轴承的失效可能会导致机械系统的损坏,对机械设备中的滚动轴承进行状态监测与故障诊断具有重要意义。传统的智能故障诊断方法主要采用人工提取特征,并将被提取出的特征输入到所运用的机器学习方法中进行训练,以此得到模型进行诊断。随着深度学习等人工智能方法的发展,越来越多的深度学习方法被运用于滚动轴承故障诊断中。本文将深度学习理论与极限学习机相结合,提出一种深层极限学习机的深度学习方法,并搭建了滚动轴承故障诊断实验平台,研究深层极限学习机在滚动轴承故障诊断中的有效性。本文的主要内容分为以下三个部分:1.本文引入了一种深层极限学习机的故障诊断算法。深层极限学习机联合了自编码器的特征提取能力与极限学习机的快速训练能力,相比于SAE、DBN等其他深度学习方法,深层极限学习机极大的缩短了网络的训练时间,提高了应用效率,同时,其可直接采用不经特征提取的原始数据进行训练,避免了人工选取敏感故障特征困难等问题。2.本文提出了一种稀疏近邻深层极限学习机的滚动轴承故障诊断方法,将稀疏保持投...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图2-7受限玻尔兹曼机结构

第二章算法理论基础13样，当已知隐含层的情况下，所有可视层也是相互独立的，即()()()()12////mpvh=pvhpvhpvh。由于所有的v与h均满足Boltzmann分布，因此，可视层与隐含层可通过p(v,h)相互转化得到，假如通过调整参数，使得从隐含层得到的可视层V与原....

图3-2滚动轴承故障诊断实验平台

江南大学硕士学位论文26图3-2滚动轴承故障诊断实验平台电机故障轴承位置近端轴承联轴器飞轮飞轮远端轴承带传动负载防护罩测点设置,采集电流信号图3-3平台结构示意图表3-1轴承参数参数值滚动体数8节圆直径33.48mm滚动体直径7.94mm（a）正常状态（b）内圈故障

图3-4实验数据波形图

第三章基于稀疏近邻保持深层极限学习机的故障诊断方法研究27（c）外圈故障（d）滚动体故障图3-4实验数据波形图传统的故障诊断方法一般都采用振动信号进行分析与诊断，但是，在实际工业应用中，传统基于振动的方法需要布置相应的振动传感器，而现场环境一般存在着许多的噪声干扰，且在复杂工况下....

图3-7十次诊断结果对比

江南大学硕士学位论文30图3-7十次诊断结果对比从诊断结果可以看到，单层ELM的训练时间极短，但是，由于网络的表征能力有限，正确率只有73.499%，显然并不能满足实际诊断的要求，四种深度学习方法正确率均达到了90%以上，说明深度学习算法自身的强特征提取能力可以自适应的从原始数据....

本文编号：3935815