基于深度学习的故障诊断技术研究

《基于深度学习的故障诊断技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TH181学校代码：10213国际图书分类号：621密级：公开工程硕士学位论文基于深度学习的故障诊断技术研究硕士研究生：张士强导师：闫纪红教授申请学位：工程硕士学科：机械工程所在单位：机电工程学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TH181U.D.C:621DissertationfortheMasterDegreeinEngineeringRESEARCHONFAULTDIAGNOSISTECHNOLOGYBASEDONDEEPLEARNINGCandidate：ZHANGShiqiangSup

2、ervisor：Prof.YanJihongAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：MechanicalEngineeringAffiliation：SchoolofMechatronicsDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士专业学位论文摘要我国工业领域逐渐趋于自动化、大型化、系统化。在无人化工厂的进程下，机械设备的组成越来越复杂，功能越来越完善，设

3、备安全问题逐渐受到人们的重视。通过对机械设备所采集的振动信号进行特征提取从而进行故障诊断是最为常用的方法。然而如今机械设备的发展逐渐趋于高精、高速、高效，伴随着数据采集与存储技术的不断发展，获取的故障信号逐渐呈现“机械大数据”的特点，传统的故障诊断方法很难对海量的故障数据进行处理，深度学习算法是人工智能的分支，因其多隐层网络与自适应的特征提取能力而能够挖掘数据更深层次的本质特征，利用原始信号的所有特征，不舍弃原始数据信息，相对于传统方法更精确地刻画故障数据从观测值到故障类别之间复杂的映射关系。因此，本文对基于深度学习的故障诊断技术进行研究。首先，从深度置信网络（

4、DeepBeliefNet，DBN）的原理出发，利用标准手写数字集对DBN的限制波尔兹曼机（RestrictedBoltzmannMachine，RBM）部分的特征提取能力与经BP微调之后的网络的分类能力进行研究，并通过实验深入分析了隐层节点数、学习率与迭代次数对特征提取能力的影响，确定主要参数的设置方式，为基于DBN的故障诊断技术奠定基础；然后，研究了基于DBN方法进行故障诊断的应用过程，对不同长度划分样本下的数据集的计算能力进行研究，通过参数寻优的方法改善手动调节参数没有依据的问题，并对世界公认的故障诊断领域标准轴承数据集—凯斯西储大学轴承数据集进行计算，并

5、与其他方法进行对比，获得更高的准确率。在此基础上，针对DBN网络训练时间过长的问题，搭建分布式并行计算平台，实现了Matlab计算环境的计算机集群分布式计算环境的搭建，并通过DBN参数寻优的过程进行验证，得出基于并行计算环境可以有效提高DBN网络训练的计算效率。最后，基于JavaWeb开发故障诊断系统，建立了在线故障诊断的初步模型，实现了对于实时上传的数据可根据诊断模型获取设备状态并可视化呈现，为日后的实际应用做出了初步探索。关键词：深度置信网络；故障诊断；并行计算；参数寻优I哈尔滨工业大学工程硕士专业学位论文AbstractWiththegrowingdeve

6、lopmentofChina'smanufacturingindustry,theindustrialfieldhasgraduallybecomeautomated,largeandsystematic.Intheprocessofunmannedfactory,thecompositionofmachineryandequipmenthasbecomemoreandmorecomplicated,functionshavebecomemoreandmoreperfect,andthesafetyofequipmenthasbeenreceivingincre

7、asingattention.Faultdiagnosisisthemostcommonlyusedmethodforfeatureextractionfromvibrationsignalscollectedbymechanicalequipment.However,today'sdevelopmentofmechanicalequipmenttendstobehigh-precision,high-speed,andhigh-efficiency,accompaniedbycontinuousdevelopmentofdataacquisitionandst

8、oragetechnol