收藏本站
《轻工机械》 2019年02期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于Dropout-CNN的滚动轴承故障诊断研究

张文风  周俊  
【摘要】:针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout-CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率高达99. 5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。
【作者单位】上海工程技术大学机械与汽车工程学院
【分类号】:TH133.33;TP18

手机知网App
【参考文献】
中国期刊全文数据库 前3条
1 雷亚国;贾峰;周昕;林京;;基于深度学习理论的机械装备大数据健康监测方法[J];机械工程学报;2015年21期
2 李国杰;程学旗;;大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J];中国科学院院刊;2012年06期
3 雷亚国;何正嘉;;混合智能故障诊断与预示技术的应用进展[J];振动与冲击;2011年09期
中国硕士学位论文全文数据库 前2条
1 张伟;基于卷积神经网络的轴承故障诊断算法研究[D];哈尔滨工业大学;2017年
2 曾雪琼;基于卷积神经网络的变速器故障分类识别研究[D];华南理工大学;2016年
【共引文献】
中国期刊全文数据库 前10条
1 元炳皓;;试论大数据时代下如何提高企业管理的成效[J];经营管理者;2017年33期
2 朱忠池;王春燕;;大数据技术在社保领域中的应用[J];科技信息;2017年02期
3 王烁;;大数据视野下的刑事政策评估[J];中国监狱学刊;2016年05期
4 WANG Lu;CAI Rongxiao;;Classroom Questioning Tendencies from the Perspective of Big Data[J];Frontiers of Education in China;2016年02期
5 林蓉;;大数据时代对管理会计的影响及其作用[J];企业改革与管理;2015年24期
6 王光法;;大数据时代的思维转变和应对[J];淮海工学院学报(人文社会科学版);2015年12期
7 姜晓宸;王树;;大数据背景下的方法应用展望[J];商;2015年50期
8 顾新建;代风;杨青海;杨志雄;;制造业大数据顶层设计的内容和方法(上篇)[J];成组技术与生产现代化;2015年04期
9 李围成;张雪萍;;基于J2EE的分布式网络书店管理系统的设计与实现[J];电脑知识与技术;2015年05期
10 程虹;许伟;;质量创新:“十三五”发展质量提高的重要基础[J];宏观质量研究;2015年04期
中国硕士学位论文全文数据库 前10条
1 张孟哲;基于主轴电流的变工况铣刀磨损状态监测研究[D];大连理工大学;2018年
2 刘向宇;免疫自适应的深度卷积神经网络故障诊断应用研究[D];太原理工大学;2018年
3 张士强;基于深度学习的故障诊断技术研究[D];哈尔滨工业大学;2018年
4 伊明;基于字符级联分类器的自适应汽车仪表检测算法的研究[D];哈尔滨工业大学;2018年
5 刘国凯;基于多传感信息融合的旋转机械故障诊断研究[D];贵州大学;2018年
6 冉祥锋;变工况下风电机组齿轮箱故障特征提取及诊断方法研究[D];新疆大学;2018年
7 张旭韬;基于ICA和SVM算法的装载机变速箱故障的噪声诊断研究[D];山东大学;2018年
8 卓仁雄;基于CEEMDAN和GWO-SVM的电机滚动轴承故障诊断[D];南华大学;2018年
9 唐赛;基于长短期记忆网络的轴承故障诊断算法研究[D];重庆大学;2018年
10 孙迪钢;基于深度学习的轨道转辙机故障检测系统[D];华南理工大学;2018年
【二级参考文献】
中国期刊全文数据库 前10条
1 刘建伟;刘媛;罗雄麟;;深度学习研究进展[J];计算机应用研究;2014年07期
2 余凯;贾磊;陈雨强;徐伟;;深度学习的昨天、今天和明天[J];计算机研究与发展;2013年09期
3 李学军;李平;蒋玲莉;;类均值核主元分析法及在故障诊断中的应用[J];机械工程学报;2014年03期
4 李国杰;程学旗;;大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J];中国科学院院刊;2012年06期
5 雷亚国;何正嘉;;混合智能故障诊断与预示技术的应用进展[J];振动与冲击;2011年09期
6 雷亚国;何正嘉;訾艳阳;;基于混合智能新模型的故障诊断[J];机械工程学报;2008年07期
7 毛勇;夏铮;尹征;孙优贤;万征;;Fault Diagnosis Based on Fuzzy Support Vector Machine with Parameter Tuning and Feature Selection[J];Chinese Journal of Chemical Engineering;2007年02期
8 雷亚国;何正嘉;訾艳阳;胡桥;丁锋;;混合聚类新算法及其在故障诊断中的应用[J];机械工程学报;2006年12期
9 胡桥;何正嘉;张周锁;訾艳阳;雷亚国;;基于提升小波包变换和集成支持矢量机的早期故障智能诊断[J];机械工程学报;2006年08期
10 雷亚国;何正嘉;訾艳阳;胡桥;;基于特征评估和神经网络的机械故障诊断模型[J];西安交通大学学报;2006年05期
中国硕士学位论文全文数据库 前5条
1 韩宝珠;基于小波分析和在线极限学习机的滚动轴承故障诊断方法研究[D];北京交通大学;2016年
2 耿宇斌;基于Morlet小波与SVD的旋转机械故障特征提取算法研究[D];华南理工大学;2015年
3 单外平;基于深度信念网络的变速器故障分类识别研究[D];华南理工大学;2015年
4 万晓飞;盲源分离在齿轮变速箱故障诊断中的应用研究[D];中北大学;2013年
5 刘伟;基于改进的WVD的旋转机械故障诊断研究[D];昆明理工大学;2013年
【相似文献】
中国期刊全文数据库 前10条
1 张文风;周俊;;基于Dropout-CNN的滚动轴承故障诊断研究[J];轻工机械;2019年02期
2 胡耀斌;厉善元;胡良斌;;基于神经网络的滚动轴承故障诊断方法的研究[J];机械设计与制造;2012年02期
3 谢雅;;基于神经网络的滚动轴承故障快速检测方法[J];计算机系统应用;2010年09期
4 张雪英;栾忠权;刘秀丽;;基于深度学习的滚动轴承故障诊断研究综述[J];设备管理与维修;2017年18期
5 蒋康保;;神经网络在滚动轴承故障诊断中的应用[J];装备制造技术;2010年01期
6 崔硕;;时域指标在滚动轴承故障诊断中的应用[J];机械工程与自动化;2008年01期
7 郝丽娜;王风立;曹瑞珉;;基于多层超限学习机的滚动轴承故障诊断方法[J];科学技术与工程;2017年14期
8 高斌;陈果;;一种滚动轴承故障特征的时频综合分析法[J];机械科学与技术;2009年04期
9 徐卫晓;谭继文;温国强;;滚动轴承故障信号处理方法与诊断试验研究[J];机床与液压;2014年17期
10 李珊珊;;便携式滚动轴承故障检测仪的设计[J];自动化仪表;2014年10期
中国重要会议论文全文数据库 前10条
1 佘道明;贾民平;;一种新型多层深度卷积神经网络的滚动轴承故障诊断方法[A];第十二届全国振动理论及应用学术会议论文集[C];2017年
2 李兴林;;滚动轴承故障诊断技术现状及发展[A];2009年全国青年摩擦学学术会议论文集[C];2009年
3 崔宝珍;王泽兵;潘宏侠;;小波包分析和模糊聚类方法在滚动轴承故障诊断中应用[A];第九届全国振动理论及应用学术会议论文集[C];2007年
4 闵勇;郭一楠;闫俊荣;;基于贪心算法的滚动轴承故障诊断特征提取[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
5 王俊锋;申永军;;高阶统计量在滚动轴承故障诊断中的应用研究[A];第十四届全国非线性振动暨第十一届全国非线性动力学和运动稳定性学术会议摘要集与会议议程[C];2013年
6 崔宝珍;王泽兵;潘宏侠;;小波包分析和模糊聚类方法在滚动轴承故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
7 和卫星;陈晓平;马东玲;;基于混沌时间序列的滚动轴承故障局部预测[A];2009中国仪器仪表与测控技术大会论文集[C];2009年
8 张益纯;;常见滚动轴承故障诊断的技术探讨[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
9 李放宁;;峰值能量在滚动轴承故障诊断中的应用[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
10 陈祥龙;张兵志;冯辅周;江鹏程;;基于改进排列熵的滚动轴承故障特征提取[A];第十二届全国振动理论及应用学术会议论文集[C];2017年
中国博士学位论文全文数据库 前10条
1 廖强;约束独立分量和多小波分析在滚动轴承故障诊断中的应用[D];电子科技大学;2016年
2 王聪;基于稀疏表达的机械信号处理方法及其在滚动轴承故障诊新中的应用研究[D];中国科学技术大学;2017年
3 曾鸣;基于凸包的模式识别方法及其在滚动轴承故障诊断中的应用[D];湖南大学;2016年
4 徐剑;基于短时奇异谱分析的滚动轴承故障诊断方法研究[D];浙江大学;2017年
5 杨柳松;基于小波分析与神经网络滚动轴承故障诊断方法的研究[D];东北林业大学;2013年
6 Ao Hung Linh(池雄岭);基于化学反应优化算法和支持向量机的滚动轴承故障诊断方法研究[D];湖南大学;2014年
7 于江林;滚动轴承故障的非接触声学检测信号特性及重构技术研究[D];大庆石油学院;2009年
8 甘萌;信号的稀疏表达在滚动轴承故障特征提取及智能诊断中的应用研究[D];中国科学技术大学;2017年
9 赵协广;基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D];山东科技大学;2009年
10 邓飞跃;滚动轴承故障特征提取与诊断方法研究[D];华北电力大学(北京);2016年
中国硕士学位论文全文数据库 前10条
1 管庆磊;小波神经网络在滚动轴承故障诊断中的应用研究[D];河南工业大学;2017年
2 廖星智;基于振动特征提取的滚动轴承故障诊断方法研究[D];昆明理工大学;2014年
3 王春梅;滚动轴承故障诊断技术研究[D];哈尔滨工业大学;2014年
4 董群英;基于非平稳时序分析的滚动轴承故障特征提取方法研究[D];中南大学;2012年
5 吕路勇;基于振动信号的滚动轴承故障诊断方法研究[D];华北电力大学(河北);2008年
6 穆旭明;基于小波变换和HHT的滚动轴承故障检测系统研究[D];哈尔滨理工大学;2018年
7 那晓栋;基于深度学习的变负载下滚动轴承故障诊断方法研究[D];哈尔滨理工大学;2018年
8 刘嘉辉;基于全矢—盲分离的滚动轴承故障诊断方法研究[D];郑州大学;2018年
9 万广通;基于LMD和带通滤波解调变工况下滚动轴承故障特征提取方法的研究[D];北京交通大学;2018年
10 单东利;基于多域特征融合的滚动轴承故障诊断研究[D];河北工程大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026