基于特征提取的航空发动机滚动轴承故障诊断_周卓峰.pdf
《基于特征提取的航空发动机滚动轴承故障诊断_周卓峰.pdf》由会员分享,可在线阅读,更多相关《基于特征提取的航空发动机滚动轴承故障诊断_周卓峰.pdf(3页珍藏版)》请在咨信网上搜索。
1、内燃机与配件 w w w.n r j p j.c n基于特征提取的航空发动机滚动轴承故障诊断周卓峰,刘 伟,喻 鸣(航空工业西安航空计算技术研究所,陕西 西安 7 1 0 0 6 5)摘 要:航空发动机振动信号复杂,数据量大,其机械系统滚动轴承故障诊断困难重重。在振动信号处理及故障检测领域,利用机器学习强大的自主学习能力在旋转机械故障的诊断方面得到了越来越多的应用。本文提出一种基于特征提取的滚动轴承故障诊断方法,通过特征提取获得更全面数据信息,再将深度信念网络模型用于信号识别,全方位反映航空发动机滚动轴承的运行状态。经实验验证,D B N模型在噪声环境下的平均准确率可达9 9%以上,具有较强的
2、抗噪能力。关键词:旋转机械;滚动轴承;故障诊断;机器学习;特征提取;深度信念网络 中图分类号:V 2 3 文献标识码:A 文章编号:1 6 7 4-9 5 7 X(2 0 2 3)0 8-0 0 4 3-0 3F a u l tD i a g n o s i so fA e r o-e n g i n eR o l l i n gB e a r i n gB a s e do nF e a t u r eE x t r a c t i o nZ h o uZ h u o-f e n g,L i uW e i,Y uM i n g(AV I CX ia nA e r o n a u t i cC
3、 o m p u t i n gT e c h n i q u eR e s e a r c hI n s t i t u t e,X ia n7 1 0 0 6 5,C h i n a)A b s t r a c t:T h ev i b r a t i o ns i g n a l so f a e r o e n g i n ea r ec o m p l e xa n dt h ed a t a i s l a r g e,s o t h e f a u l td i a g n o s i so fm e-c h a n i c a l s y s t e mr o l l i n
4、gb e a r i n gi sd i f f i c u l t.I nt h ef i e l do fv i b r a t i o ns i g n a lp r o c e s s i n ga n df a u l td e t e c t i o n,t h es t r o n gs e l f-l e a r n i n ga b i l i t yo fm a c h i n e l e a r n i n gh a sb e e na p p l i e dm o r ea n dm o r e i nt h ed i a g n o s i so f r o t a
5、t i n gm a-c h i n e r yf a u l t s.I nt h i sp a p e r,af a u l td i a g n o s i sm e t h o do fr o l l i n gb e a r i n g sb a s e do nf e a t u r ee x t r a c t i o nw a sp r o-p o s e d.M o r ec o m p r e h e n s i v ed a t a i n f o r m a t i o nw a so b t a i n e dt h r o u g hf e a t u r ee x
6、 t r a c t i o n,a n dt h e nt h ed e e pb e l i e fn e t w o r km o d e lw a su s e df o rs i g n a l r e c o g n i t i o nt of u l l yr e f l e c t t h er u n n i n gs t a t eo fa e r o-e n g i n er o l l i n gb e a r i n g s.T h ee x p e r i m e n t a l r e s u l t s s h o wt h a t t h e a v e r
7、a g e a c c u r a c yo fD B Nm o d e l i nn o i s ye n v i r o n m e n t c a n r e a c hm o r e t h a n9 9%,a n d i th a ss t r o n ga n t i-n o i s ea b i l i t y.K e y w o r d s:R o t a t i n g m a c h i n e r y;R o l l i n g b e a r i n g;F a u l t d i a g n o s i s;M a c h i n e l e a r n i n g;
8、F e a t u r ee x t r a c t i o n;D B N作者简介:周卓峰(1 9 9 6),男,陕西咸阳人,汉族,硕士研究生,硬件工程师,助理工程师,研究方向为硬件设计、航空发动机、计算机。1 引言旋转机器是以旋转运动为主的机械装置,在交通、制造、冶金、化工、能源及航天等多个领域中有广泛应用1,2。滚动轴承故障是大部分机械装置故障的主要原因。随着先进制造技术的快速发展、以人工智能技术为代表的计算机技术的迅速崛起,国内在轴承故障智能诊断领域的研究,尤其是以数字驱动的特征提取技术进行轴承故障智能诊断的研究正在蓬勃发展3。近几年,机器学习也越来越多的应用在故障诊断的领域,尤其是基
9、于神经网络的故障诊断。在旋转轴承状态监测的大数据时代4,旋转机械常产生撞击、速度突变、结构变形及摩擦变化等,使得振动信号往往具有非平稳性与非线性,如何提取到有效的故障信息并进行故障模式提取成为当下的研究热点之一。2 振动信号数据处理为了提高模型的抗噪能力,利用基于快速傅里叶变换的频域分析和基于小波包分解的时频域分析对原始数据集进行人工特征提取。旋转机械故障诊断首先是获取故障振动信号,其次对信号进行特征提取,最后进行故障类型识别。特征提取的质量直接影响故障诊断的最终结果,信号处理技术是提取振动信号特征最一般的方法之一,需要找到适当有效且通用的信号 处 理 方 法,提 取 信 号 的 最 重 要
10、特 征 进 行 模 式识别。信号分成时域和频域。时域分析根据信号波形分析振动信号的成分和特征,并在时间轴上显示振动信号数据。傅立叶变换是频域分析的基本理论,振动信号时域到频域的转换即由振动信号的时域特性导出相应的频域特性。基于频域的故障诊断中基于傅立叶变换的振动信号提取方法应用广泛。本文通过快速傅里叶变换获得轴承数据的频域特征。通过将原始振动数据集振动信号经三重小波包分解,再从8个重组带中提取的1 0个敏感特征值获得轴承数据的时频特征。本文 所 用 数 据 集 以 凯 斯 西 储 大 学 在B e a r i n gD a t aC e n t e r上提供的滚动轴承测试数据为对象来开展。3
11、理论模型3.1 受限玻尔兹曼机图1 R BM结构图深度置信网络的基本组件为受限玻尔兹曼机器(R BM),R BM由可视层和隐藏层组成。它完全没有层内的连接,且层之间全部互相连接。可视层为输入数据,隐藏层通过可视层得到的深层抽象特征。图1所示为一个R BM的结构图。图2为训练示意图。34DOI:10.19475/ki.issn1674-957x.2023.08.0122 0 2 3年第8期图2 R BM训练示意图对比散度算法是R B M的基本算法。C D算法将训练样本作为可视层节点的状态进行可视层和隐藏层的状态转换。通过多次转换和参数更新,使样本以最大概率产生。图3 深度信念网络模型结构图3.2
12、 深度信念网络深度信念网络是通过累 积 几 个R BM构 建的。其结构示意图如图3所示。该 模 型 结 构 图表 示 的 是 一 个 由 三 个R BM构成的D B N模型。它包含一个可视层v和三个隐藏层h 1,h 2,h 3,以及一个标签层L a b e l。D B N学习主要包括两个过程。第一步是预训练阶段。使用受限玻尔兹曼机进行无监督的逐层预训练,挖掘出初始数据中隐藏的高维特征。第二步骤是微调阶段,该微调阶段是有监督的学习过程。最后用全连接层预测结果,并与训练样本的标签进行比较采用反向传播算法来微调参数,建立数据特征与标签状态之间的复杂非线性关系,实现模型的准确分类。4 实验分析4.1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 特征 提取 航空发动机 滚动轴承 故障诊断 周卓峰
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。