首页> 中文学位 >基于集成软竞争Yu范数ART的滚动轴承故障诊断方法
【6h】

基于集成软竞争Yu范数ART的滚动轴承故障诊断方法

代理获取

目录

声明

摘要

1.1 课题来源

1.2 选题的背景与意义

1.3 滚动轴承故障诊断概述

1.3.1 滚动轴承的失效形式

1.3.2 国内外研究概况及发展趋势

1.3.3 神经网络在故障诊断中应用及发展现状

1.4 论文的主要工作

1.5 论文的结构安排

第二章 基于软竞争Yu范数ART的轴承故障诊断方法

2.1 引言

2.2 软竞争Yu范数ART网络模型

2.2.1 ART概述

2.2.2 Yu范数ART网络模型

2.2.3 软竞争Yu范数ART网络模型

2.3 故障诊断

2.3.1 数据获取

2.3.2 特征提取

2.3.3 特征参数优化选取

2.3.4 诊断分析

2.3.5 参数分析

2.3.6 性能比较分析

2.4 本章小结

第三章 基于集成软竞争Yu范数ART的轴承故障诊断方法

3.1 引言

3.2 集成学习

3.2.1 集成学习概述

3.2.2 集成学习的构成

3.2.3 集成学习的作用

3.3 软竞争Yu范数ART网络模型的集成

3.3.1 多数投票法

3.3.2 标签对齐

3.4 故障诊断

3.4.1 数据获取

3.4.2 特征提取

3.4.3 诊断分析

3.5 基于Bootstrap方法的集成模型鲁棒性分析

3.5.1 Bootstrap方法概述

3.5.2 鲁棒性分析

3.6 本章小结

第四章 滚动轴承故障振动试验及故障诊断分析

4.1 引言

4.2 试验对象和试验设备

4.2.1 试验台

4.2.2 试验轴承

4.3 试验方案

4.4 试验数据结果分析

4.5 本章小结

5.1 结论

5.2 展望

致谢

参考文献

攻读硕士学位期间发表的论文

攻读硕士学位期间参加的科研项目

展开▼

摘要

滚动轴承是机械系统中常用的重要部件,其运行状态直接影响整个系统的性能,一旦发生故障或者失效,将引发设备产生灾难性后果。因此,对轴承故障进行诊断具有重要意义。本文以滚动轴承为对象,在总结和吸取前人研究成果的基础上,提出将集成学习与软竞争Yu范数ART神经网络相结合实现滚动轴承的故障诊断。
  本研究主要内容包括:⑴针对Yu范数ART自身硬竞争机制缺陷造成的故障类边界处的数据样本易被误分,从而导致分类精度降低,提出一种基于软竞争Yu范数ART的滚动轴承故障诊断方法。将基于FCL的软竞争方法,引入基于Yu范数的ART模型的竞争机制中,通过模式节点与输入样本间隶属度的大小,对竞争层多个节点进行训练和学习,并依此对故障样本进行分类。并通过对轴承故障试验数据的诊断分析,结果表明该方法不仅能有效识别不同类型的故障,还能识别不同严重程度故障,且诊断精度优于硬竞争ART模型和模糊C均值聚类模型。⑵单一模型在训练样本较少时诊断效果并不理想,且对不同故障信号的诊断具有很大的不稳定性,因此本文引入集成学习方法,进一步提升软竞争Yu范数ART的故障诊断性能。从故障信号中提取多组特征参数,优化选取后分别输入到模型进行诊断分析,并将所有结果进行集成,得到最终诊断结果。通过对轴承故障试验数据的诊断分析,表明该方法在较少训练样本下诊断精度明显优于单个模型,并通过bootstrap方法验证了该模型具有较强的鲁棒性。⑶通过滚动轴承故障振动试验,将故障数据作为故障诊断模型的输入,通过单个模型与集成模型诊断结果的对比,证明本文提出的基于集成软竞争Yu范数ART模型在较少训练样本的情况下仍有较好的故障诊断效果。本文对于软竞争Yu范数ART的理论研究具有较高的价值,为ART的性能优化提供了一种新的思路;同时对于集成学习在神经网络方面的应用和推广具有一定的指导价值。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号