改进CNN算法在变工况滚动轴承故障诊断中的应用.docx

改进CNN算法在变工况滚动轴承故障诊断中的应用

目录

改进CNN算法在变工况滚动轴承故障诊断中的应用（1）．．．．．．．．．．．4

内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.3研究内容与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

滚动轴承故障诊断概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.1滚动轴承的基本原理与分类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.2故障类型及特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

2.3常用诊断方法回顾．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

CNN算法在轴承故障诊断中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.1CNN算法原理简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.2模型构建与训练．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

3.3诊断性能评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

变工况滚动轴承故障诊断挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

4.1工作环境变化对轴承的影响．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

4.2轴承转速、载荷等参数的变化．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

4.3数据采集与预处理的复杂性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

改进策略与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

5.1特征提取优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

5.1.1基于时频分析的特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

5.1.2利用深度学习进行特征自动提取．．．．．．．．．．．．．．．．．．．．．．．．19

5.2网络结构改进．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

5.2.1增加网络深度与宽度．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

5.2.2引入残差连接与跳跃连接．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

5.3训练策略优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

5.3.1动态调整学习率与批量大小．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

5.3.2应用数据增强技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

实验验证与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

6.1实验环境搭建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

6.2实验数据集描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

6.3实验结果对比与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

7.1研究成果总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

7.2存在问题与不足．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

7.3未来研究方向展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

改进CNN算法在变工况滚动轴承故障诊断中的应用（2）．．．．．．．．．．31

一、内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

二、背景知识介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

CNN算法概述．．．．．．．．．．．．．．．．．．．．