直升機(jī)自動傾斜器是控制直升機(jī)飛行狀況的核心動部件,其中的滾動軸承一旦出現(xiàn)裂紋、磨損對直升機(jī)的安全飛行具有很大隱患,因此研究能夠及時準(zhǔn)確識別滾動軸承的診斷方法,對保證飛行安全具有重要意義。本文以洛陽LYC軸承有限公司針對某型直升機(jī)自動傾斜器滾動軸承模擬故障實驗采集到的振動數(shù)據(jù)作為研究對象。采用短時傅里葉變換構(gòu)造對應(yīng)時頻圖,通過卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)對時頻圖的識別達(dá)到對軸承故障診斷的目的。主要工作內(nèi)容和研究成果如下:(1)相關(guān)基礎(chǔ)理論介紹。首先,采用短時傅里葉變換法和歸一化法,構(gòu)造任意尺寸時頻圖,得到時頻圖的灰度值,構(gòu)造好的時頻圖能夠同時表征振動信號時頻域信息;其次,系統(tǒng)闡述了CNN網(wǎng)絡(luò)結(jié)構(gòu)、組成及其作用。(2)設(shè)計了針對直升機(jī)自動傾斜器滾動軸承故障診斷的CNN網(wǎng)絡(luò)模型。首先,通過實驗確定最適合的CNN網(wǎng)絡(luò)結(jié)構(gòu)具有4個卷積層,4個池化層,卷積核尺寸為3×3,卷積核數(shù)量分別為3/14/812,池化方式選用最大池化,使用50%的Dropout,Softplus函數(shù)作為其激活函數(shù)。并且針對直升機(jī)自動傾斜器滾動軸承故障診斷問題,實驗驗證該方法...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景以及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)基于特征提取的故障診斷方法
        1.2.2 基于深度學(xué)習(xí)的故障診斷方法研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
第2章 相關(guān)基礎(chǔ)理論
    2.1 概述
    2.2 短時傅里葉變換
    2.3 振動信號的時頻圖構(gòu)造
    2.4 構(gòu)造時頻圖實例
    2.5 CNN網(wǎng)絡(luò)
        2.5.1 基本神經(jīng)元構(gòu)成
        2.5.2 激活函數(shù)
        2.5.3 卷積層
        2.5.4 池化層
        2.5.5 全連接層
        2.5.6 Softmax回歸
        2.5.7 損失函數(shù)
    2.6 本章小結(jié)
第3章 故障診斷CNN網(wǎng)絡(luò)設(shè)計
    3.1 概述
    3.2 數(shù)據(jù)集說明
    3.3 CNN神經(jīng)網(wǎng)絡(luò)層次確定
        3.3.1 2層卷積網(wǎng)絡(luò)設(shè)計
        3.3.2 3層卷積網(wǎng)絡(luò)設(shè)計
        3.3.3 4層卷積網(wǎng)絡(luò)設(shè)計
        3.3.4 實驗結(jié)果與分析
    3.4 卷積核尺寸確定
    3.5 池化方式確定
    3.6 卷積核數(shù)量確定
    3.7 使用Dropout
    3.8 激活函數(shù)確定
    3.9 本章小結(jié)
第4章 基于時頻圖的滾動軸承故障診斷方法
    4.1 概述
    4.2 診斷方法流程
    4.3 環(huán)境配置
    4.4 實驗結(jié)果分析
        4.4.1 樣本數(shù)量對性能的影響
        4.4.2 網(wǎng)絡(luò)泛化能力驗證
        4.4.3 不同數(shù)據(jù)集測試
        4.4.4 與傳統(tǒng)方法對比實驗
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 未來展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間參與的科研項目和成果
致謝



本文編號：4056263