變速箱是汽車動力的關鍵傳動機構,其中齒輪是核心零部件。變速箱中的齒輪受到多變工況的影響,很容易發(fā)生故障,而故障狀態(tài)下的振動信號是非平穩(wěn)的且包含大量噪聲,這就使變速箱的故障診斷難度大幅度提高。為解決這一問題,本文提出一種基于深度神經網絡的故障診斷模型,同時提出該混合模型的訓練方法,通過實驗驗證該模型的可靠性與準確性,最后構建基于該模型的變速箱齒輪故障診斷系統(tǒng)。主要內容如下:本文基于深度神經網絡提出一種新能源汽車變速箱齒輪故障診斷方法,通過對模型進行訓練學習以及智能分類,達到診斷效果。首先,針對采集到的信號包含大量的噪聲干擾,提出堆疊降噪自編碼(Stacked Denoising autoencoders,SDAE)進行處理,SDAE可通過其獨特的堆疊結構和降噪訓練從嘈雜的數(shù)據(jù)自動提取強健的特征表示。隨后,引入雙向門控循環(huán)神經網絡(Bidirectional Gated Recurrent Unit Network,Bi GRU)處理時間序列數(shù)據(jù),而Bi GRU網絡能夠減弱梯度消失,其獨特的門控結構可以有效地解決長、短期序列變化的問題,同時雙向訓練能夠充分利用過去和未來的信息。綜上所述,將兩...

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

圖1.12019世界新能源汽車大會Figure1.1Worldnewenergyautomobilecongress2019

哈爾濱理工大學工程碩士學位論文1第1章緒論1.1課題研究的背景和意義石油短缺和氣候變化對中國對世界都是一個持續(xù)的嚴峻挑戰(zhàn)，這種挑戰(zhàn)對目前幾乎完全依賴石油的交通行業(yè)尤為明顯，節(jié)能減排變得日益重要。因此，新能源汽車逐漸走入了人們的視野。從《2019年全球新能源汽車產業(yè)發(fā)展趨勢報告》中....

圖1.2DBN結構圖

哈爾濱理工大學工程碩士學位論文4模型得到了更佳的識別效果。但是，SAE中的激活函數(shù)往往難以反映輸入數(shù)據(jù)與故障類別之間的精確映射關系。此外，當輸入數(shù)據(jù)復雜且非平穩(wěn)時，很難獲得滿意的診斷性能。圖1.2DBN結構圖Fig1.2DBNstructurediagram卷積神經網絡包含有數(shù)據(jù)....

圖1.3CNN結構圖

哈爾濱理工大學工程碩士學位論文5等人[27]提出了CNN-RNN融合分析法.該方法使用一維CNN網絡提取特征數(shù)據(jù),剔除受環(huán)境噪音等因素影響的無效信息且依然具有時序性,再由處理時序數(shù)據(jù)精度較高的RNN對該特征數(shù)據(jù)進行計算處理進而對旋轉機械進行故障診斷。唐賽[28]提出了一套基于長短....

圖2-1降噪自編碼Fig.2-1DenoisingAutoEncoders

哈爾濱理工大學工程碩士學位論文7第2章深度神經網絡及齒輪故障分析本章主要介紹兩種深度神經網絡，闡述兩種網絡的基本原理和結構，又詳細的分析比對兩種網絡變體各自的模型結構和優(yōu)點，討論它們的應用空間，確定兩種網絡結合的混合模型，并對齒輪故障類型進行闡述，分析其振動特性及原理。為之后的章....

本文編號：4047042