消息 首页 搜索 举报
  • 深度学习方法在滚动轴承故障识别中的应用
21年品牌 40万+商家 超1.5亿件商品

深度学习方法在滚动轴承故障识别中的应用

正版图书，可开发票，请放心购买。

￥ 11.9 2.1折 ￥ 58 全新

库存111件

广东广州
认证卖家担保交易快速发货售后保障

作者陈志刚，杜小磊著

出版社中国原子能出版社

ISBN9787522107585

出版时间2020-08

装帧平装

开本16开

定价58元

货号11276908

上书时间2024-04-28

哲仁书店
已实名 已认证 进店 收藏店铺
  • 店主推荐
  • 最新上架

   商品详情   

品相描述：全新
商品描述
目录

目录

第1章引言

1.1研究背景和意义

1.2滚动轴承故障机理简介

1.3基于信号处理和机器学习的滚动轴承故障识别技术研究现状

1.4基于深度学习方法的滚动轴承故障识别研究

1.5深度学习主流开源仿真工具

1.6 滚动轴承故障识别测试数据集

1.7本书主要研究内容及结构参考文献

第2章深度学习特征提取前处理—一基于现代信号处理方法

2.1压缩感知降噪采样

2.2同步挤压S变换

2.3形态经验小波变换

2.4功率谱幅值阈值经验小波变换（PSDEWT）

2.5辛几何模态分解

2.6提升双树复小波包

参考文献

第3章基于半监督深度学习的滚动轴承故障识别研究

3.1DAE及其改进

3.2DBN及其改进

3.3实验验证——XJTU-SY滚动轴承加速寿命试验数据集

3.4实验验证——基于Spectra Quest滚动轴承试验台

第4章基于有监督深度学习的滚动轴承故障识别研究

4.1 深层曲线波卷积神经网络（deep curvelet convolutional neural networks,CNN)

4.2 导联卷积神经网络(lead convolution neural network,LCNN）.

4.3分形网络（FractalNet）

4.4胶囊网络（capsule net,CN）

4.5 深层支持向量机（deep support vector machine,DSVM)

4.6深度森林（Deep Forest,DF）

4.7实验验证——北京建筑大学滚动轴承试验台

4.8实验验证——西储大学滚动轴承公开数据集参考文献

第5章基于迁移和生成深度学习的滚动轴承故障识别研究

5.1集成深层小波自动编码器（EDWAE）迁移学习方法

5.2非平衡小样本数据的滚动轴承故障识别——基于生成对抗网络

5.3非平衡小样本数据的滚动轴承故障识别——基于深层变分自编码器

5.4深度卷积生成对抗网络

参考文献



内容摘要
第1章引言

1.1研究背景和意义

滚动轴承作为旋转机械的重要部件之一，被广泛应用于数控机床、航空航天、汽车等领域[1]。滚动轴承的健康状态与整机的工作性能密切相关，一旦出现故障，轻则降低生产质量，重则造成生产事故。因此，对滚动轴承进行及时的状态监测与故障识别具有重要意义[2]。

目前，基于传感器物理量的滚动轴承故障识别方法应用最广泛，且研究最多的是振动信号，方法主要是信号处理方法。但实际采集到的滚动轴承振动信号经常受到诸如多振源激励和响应相互耦合和强噪声等因素的影响，一般表现出强烈的非线性和非平稳性，导致振动信号非常复杂，传统基于“人工特征提取+人工特征选择+浅层分类器模式识别”的滚动轴承故障识别方法的性能很大程度上依赖于繁琐的人工特征提取和人工特征选择，而为不同的故障识别任务选择较为敏感的特征并不容易，此外支持向量机（support vector machine,SVM）、神经网络（artificial neural network,ANN）等浅层分类器面临维数灾难问题，难以表征滚动轴承被测振动信号与故障之间的复杂映射关系[3]。为了准确地识别出单一故障类别、故障严重程度和复合故障类别，迫切需要设计能自动特征提取与故障识别的新方法。

深度学习作为现代人工智能领域的一个突破，能够从原始特征集甚至原始数据中自动学习有价值的特征，这意味着深度学习可以在很大程度上摆脱对先进信号处理技术、人工特征提取和繁琐的特征选择技术的依赖。近几年，不同的深度学习模型已逐渐被应用于机械智能故障识别。因此，为提高滚动轴承故障识别的智能性，有必要引入深度学习，不仅具有理论意义，同时也具备工程意义。

1.2滚动轴承故障机理简介

1.2.1滚动轴承故障原因

滚动轴承一般由内圈、外圈、滚动体和保持器组成。通常，内圈与传动轴的轴颈通过盈配合联接，工作时随轴一起转动；外圈安装在轴承座、箱体或其他支撑物上，工作时一般相对固定。由于内圈与轴联接，外圈又安装在轴承座上，这样的轴承系统在运行过程中由于多振源激励和响应相互耦合等原因而产生的振动信号是非常复杂的。例如，疲劳点蚀或剥落等滚动轴承元件表面损伤所引起的激励是冲击性质的；各元件表面波纹而引起的激励近似为正弦激励，由于激励不同（即故障形式不同），滚动轴承系统产生的振动响应也不同。所以可通过对滚动轴承振动信号的分析与处理识别出轴承的所有类型的故障。

滚动轴承故障一般是滚子和滚道剥落、凹痕、腐蚀、断裂等，产生原因主要有安装不当、联轴器不对中、轴承倾斜、轴承选用不正确、润滑不良或密封失效、负荷超载以及本身制造缺陷造成的。除上述原因外，大部分滚动轴承故障是因为疲劳造成的，轴承的负载是造成其疲劳的主要原因，而振动的结果是直接给轴承施加负载，所以不平衡等故障产生的振动的直接结果就是加速滚动轴承的疲劳损坏。

1.2.2滚动轴承故障振动机理

引起滚动轴承振动的因素很多，例如与部件有关的振动，与制造质量有关的振动，与轴承装配以及工作状态有关的振动等。

（1）刚度变化引起的振动

当滚动轴承在恒定载荷下运转时，轴承系统内的载荷分布状况呈现周期性变化，如滚动体与外圈接触点的变化，使系统的刚度参数形成周期的变化，且是一种对称周期变化，从而使其恢复力呈现非线性的特征。由此便产生了分数谐波振动。此外，当滚动体处于载荷下非对称位置时，转轴的中心不仅有垂直方向的，而且还有水平方向的移动。这类参数的变化与运动都将引起轴承的振动，也就是随轴的转动，滚动体通过径向载荷处即产生激振力，这样在滚动轴承运转时，由于刚度参数形成的周期变化和滚动体产生的激振力及系统存在非线性，便产生多次谐波振动并含有分谐波成分，不管滚动轴承正常与否，这种振动都要发生。

（2）相对运动引起的振动

当滚动轴承运转时，滚动体在内外圈之间滚动，轴承的滚动表面虽然加工的比较平滑，但从微观来看，仍高低不平，特别是材料表面产生疲劳斑剥时，高低不平的情况更为严重。滚动体在这些凹凸面上转动，则产生交变的激振力，所产生的振动，既是随机的，又含有滚动体的传输振动，其主要频率成分为滚动轴承的特征频率。

（3）早期缺陷引起的振动




精彩内容
本书以机械动力设备中常用的部件——滚动轴承为研究对象，阐述了深度学习方法在滚动轴承故障识别中的应用。分析了滚动轴承常见的故障、原因和振动机理，介绍了当前滚动轴承故障识别方法；在基于现代信号处理的基础上，阐述了基于深度学习的特征提取前处理方法；进一步阐述了基于半监督深度学习的滚动轴承故障识别方法，基于有监督深度学习的滚动轴承故障识别方法，以及基于迁移深度学习的滚动轴承故障识别方法。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP