基于深度信念網(wǎng)絡(luò)的故障診斷研究.pdf

1、故障診斷是視情維修的重要內(nèi)容，通過監(jiān)測、處理和學(xué)習(xí)設(shè)備運行過程中產(chǎn)生的狀態(tài)監(jiān)測信息，提取監(jiān)測數(shù)據(jù)中隱含的故障相關(guān)的特征并建立特征與狀態(tài)之間非線性聯(lián)系，可以達(dá)到故障檢測、故障分離和故障識別三個目標(biāo)，以實現(xiàn)對設(shè)備不同健康狀態(tài)，包含故障類型、故障位置和故障程度的判斷，從而及時發(fā)現(xiàn)設(shè)備退化過程中的早期故障，并做出合理的維修決策，提高系統(tǒng)的可靠性，降低維護成本。隨著傳感器、狀態(tài)監(jiān)測等技術(shù)的發(fā)展，設(shè)備在運行過程中儲存了大量包含豐富特征信息的實時狀態(tài)

2、監(jiān)測數(shù)據(jù)。深度學(xué)習(xí)的方法具有較好的大數(shù)據(jù)處理能力和特征學(xué)習(xí)能力，可用于具有大量監(jiān)測數(shù)據(jù)的故障診斷問題中。因此，本文將采用深度學(xué)習(xí)中深度信念網(wǎng)絡(luò)的方法，用機械零部件的狀態(tài)監(jiān)測數(shù)據(jù)來訓(xùn)練建立的深度信念網(wǎng)絡(luò)模型，實現(xiàn)故障診斷。
　　本文以滾動軸承為研究對象，探索深度信念網(wǎng)絡(luò)在機械零部件故障診斷上的應(yīng)用。首先分析軸承的狀態(tài)監(jiān)測方法和故障類型，并以美國凱斯西儲大學(xué)軸承振動數(shù)據(jù)為原始信號用于故障診斷方法的研究和分析。然后，根據(jù)原始信號的采樣頻

3、率、采樣長度等確定的樣本輸入數(shù)據(jù)長度，對原始信號進(jìn)行截斷處理，形成指定長度的樣本輸入數(shù)據(jù)。同時，根據(jù)故障診斷的研究目的和研究對象的故障類型以及故障深度，設(shè)置信號包含的故障類別，并對應(yīng)每個樣本的故障類別，設(shè)置樣本的標(biāo)準(zhǔn)輸出數(shù)據(jù)。隨后，在形成樣本的基礎(chǔ)上，對數(shù)據(jù)進(jìn)行頻域轉(zhuǎn)換和歸一化處理，再根據(jù)樣本輸入數(shù)據(jù)長度和設(shè)置的故障類別數(shù)建立和訓(xùn)練相應(yīng)的DBN模型，并通過多個性能指標(biāo)對模型進(jìn)行評估。接著，根據(jù)隱含層神經(jīng)元節(jié)點數(shù)不同設(shè)置多個隱含層組合，通