基于堆棧降噪自編碼的軸承故障診斷方法研究.pdf

1、滾動軸承是旋轉(zhuǎn)機械設(shè)備中最常用的通用零件之一，其工作狀態(tài)的優(yōu)劣直接關(guān)系到整臺機組設(shè)備的性能甚至整條生產(chǎn)線的安全和生產(chǎn)。因此，對滾動軸承故障診斷技術(shù)的研究具有十分重要的意義。
　　通常情況下，滾動軸承故障診斷需要經(jīng)過故障特征提取、故障特征選擇、狀態(tài)識別等過程。其中故障特征提取是故障診斷的關(guān)鍵，其效果的好壞直接影響到診斷結(jié)果。然而故障特征具有較強的依賴性，需要掌握大量的信號處理方法和診斷經(jīng)驗，增加了分析的困難和不確定性。為了達到較好的

2、診斷效果，以故障特征為基礎(chǔ)建立起來的模式識別模型也越趨復(fù)雜，而模型的適用條件常被忽視，導(dǎo)致特征學(xué)習(xí)困難。
　　針對傳統(tǒng)故障診斷中特征學(xué)習(xí)困難、模型建立復(fù)雜的問題，本文將深度學(xué)習(xí)概念引入軸承故障診斷中，深入探究了堆棧降噪自編碼在滾動軸承故障診斷中的可行性，旨在為軸承故障診斷提供一種診斷能力強、操作簡單的新方法和新技術(shù)。以常用的振動信號時域特征參數(shù)為堆棧降噪自編碼故障診斷模型的直接輸入，對軸承故障類型及故障程度進行分類識別，分析討論了

3、不同隱層組合對識別率的影響，研究了堆棧降噪自編碼方法實現(xiàn)軸承故障智能識別的可行性；利用原始振動數(shù)據(jù)訓(xùn)練堆棧降噪自編碼故障診斷模型，研究了負(fù)載對識別結(jié)果的影響；通過對比實驗分析了網(wǎng)絡(luò)層數(shù)、迭代次數(shù)、訓(xùn)練樣本比例、Batchsize對模型分類性能的影響；開展了實驗研究，利用QPZZ—Ⅱ旋轉(zhuǎn)機械故障模擬實驗臺模擬了多種故障類型及故障程度，在空載和負(fù)載情況下采集振動信號，研究了測點位置對識別結(jié)果的影響，驗證了堆棧降噪自編碼故障診斷方法的有效性。