深度学习模式识别法及其在旋转机械故障诊断中的应用

《深度学习模式识别法及其在旋转机械故障诊断中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代号10532学号S1502W0143分类号TH165.3密级公开工程硕士学位论文深度学习模式识别法及其在旋转机械故障诊断中的应用学位申请人姓名甘磊培养单位机械与运载工程学院导师姓名及职称杨宇教授黄伟高级工程师学科专业机械工程研究方向设备状态监测与故障诊断论文提交日期2018年4月23日学校代号：10532学号：S1502W0143密级：公开湖南大学工程硕士学位论文深度学习模式识别法及其在旋转机械故障诊断中的应用（国家自然科学基金项目，项目号：51575168）学位申请人姓名：甘磊导师姓名及职称：杨宇教授黄伟高级工程师培养单位：机械与运载工程学院专业名称：机械工程论

2、文提交日期：2018年4月23日论文答辩日期：2018年5月27日答辩委员会主席：于德介DeeplearningpatternrecognitionanditsApplicationinFaultdiagnosisofrotatingMachinerybyGANLeiB.E.(WuhanInstituteofTechnology)2015AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinVehicleEngineeringintheGradua

3、teschoolofHunanUniversitySupervisorProfessorYANGYuApril,2018深度学习模式识别法及其在旋转机械故障诊断中的应用摘要旋转机械的故障诊断就是一个模式识别的过程，模式识别又可以分聚类和分类，常用的分类算法有人工神经网络（Artificialneuralnetwork，ANN）、支持向量机（SupportVectorMachine，SVM）等，常用的聚类算法有K-means算法、DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise，DBSCAN)算法等，

4、但是这些算法都存在着一些尚未解决的缺陷，如人工神经网络容易陷入局部最优解，K-means算法对噪声和孤立点非常敏感等。近年来，由于互联网的快速发展和大数据时代的来临，深度学习模型逐渐受到广泛地关注，通过堆叠多个受限玻尔兹曼机（RestrictedBoltzmannMachine，RBM）的深度信念网络（DeepBeliefNetwork，DBN）在应用于特征提取和模式识别时可以取得不错的性能，本文在国家自然科学基金项目（项目号:51575168）的资助下，将深度学习模型和聚类算法相结合，应用于旋转机械的故障诊断中。本文的主要研究内容如下：1．针对ASTFA（Adapti

5、veandSparsestTime-FrequencyAnalysis，ASTFA）方法在处理齿轮早期裂纹信号的不足，引入最小熵解卷积（MinimumEntropyDeconvolution，MED）用于对齿轮早期故障信号进行降噪处理，提出了MED-ASTFA方法，结合MED-ASTFA和边带对数比（Averagedlogarithmratio，ALR)指标，应用到变转速下齿根裂纹的定量诊断。2．对现有的典型深度学习模型进行分析，通过仿真信号验证深度信念网络在模式识别方面的有效性，并且应用于齿根裂纹的定量诊断。3．结合DBN强大的特征提取能力和聚类算法的优势，将DBN和

6、K-means算法相结合，提出了基于PCDBN（PrincipalComponentsDeepBeliefNetwork，PCDBN）和K-means算法的聚类模型，并且在此基础上进一步改进，提出了基于PCDBN和K-means++的聚类模型，并且应用于滚动轴承的状态识别，可以取得更好的效果。4．针对K-means++算法和K-means算法都需要预先设定K的个数的问题，引入迭代自组织数据分析（IterativeSelf-organizingDataAnalysisTechniquesAlgorithm，ISODATA）算法，ISODATA可以通过改变合并和分裂等条件，

7、实现数据的自动调整并且完成聚类，并且针对ISODATA算法容易陷入局部最优解的缺陷，进行了改进。提出了基于PCDBN和ISODATA++的聚类模型。并应用于滚动轴承的状态识别。5．研究了一种基于柔性的模糊划分方法，模糊C均值(FuzzyC-means，FCM)II工程硕士学位论文算法，将PCDBN方法和FCM算法将结合，通过控制对比度m和k的个数，可以实现更精确的聚类识别结果。关键词：旋转机械；故障诊断；深度学习；聚类；模式识别；MED-ASTFA；ALR；PCDBNIII深度学习模式识别法及其在旋转机械故障诊断中的应用AbstractT