本文主要研究内容
作者王海龙（2019）在《数控机床滚动轴承健康状况监测系统设计与实现》一文中研究指出：数控机床是制造业的基础产业也是战略产业,随着现代科技的进步,数控机床也在朝着高可靠性,高精度,智能化和网络化的道路上发展。在此基础上监控数控机床的健康状况以及故障诊断和预警是实现这一目标的必然选择。滚动轴承是数控机床的故障易发的关键部件。其故障振动信号通常具有较强的非线性和非平稳性,并且由于工作环境的复杂往往还受噪声的干扰。因而国内外众多的学者对进行了研究。各种时频方法及其改进方法不断被提出,深度学习也被逐步应用到滚动轴承故障的诊断中来,使得诊断的准确率不断提高,智能性也不断增强。但随着工业大数据时代的来临,机械健康状态的监测也进入了大数据时代,带来新的机遇与挑战。本文以数控机床滚动轴承为研究对象,从滚动轴承故障发生的原因及振动特征分析入手,对各种时频分析方法做了比较,并将传统的时频分析方法与深度卷积神经网络有机结合,即EEMD与VMD同卷积神经网络结合的滚动轴承健康状况诊断方法。该方法既能够发挥EEMD与VMD在处理非线性非平稳信号的优势,又能够充分发挥深度卷积神经网络在故障特征自提取的强大能力,适应大数据故障诊断的需求,避免了人为特征的选择,增强了特征提取的智能性,是一种端到端的滚动轴承健康状况诊断的方法。该方法对CWRU滚动轴承数据集的准确率达到了99.6%。并对多类的故障诊断方法进行了试验,并与之进行了对比分析,得出了该方法的优势。最后完成了基于该方法的滚动轴承健康状况监测系统,并对研究成果做了总结与展望。
Abstract
shu kong ji chuang shi zhi zao ye de ji chu chan ye ye shi zhan lve chan ye ,sui zhao xian dai ke ji de jin bu ,shu kong ji chuang ye zai chao zhao gao ke kao xing ,gao jing du ,zhi neng hua he wang lao hua de dao lu shang fa zhan 。zai ci ji chu shang jian kong shu kong ji chuang de jian kang zhuang kuang yi ji gu zhang zhen duan he yu jing shi shi xian zhe yi mu biao de bi ran shua ze 。gun dong zhou cheng shi shu kong ji chuang de gu zhang yi fa de guan jian bu jian 。ji gu zhang zhen dong xin hao tong chang ju you jiao jiang de fei xian xing he fei ping wen xing ,bing ju you yu gong zuo huan jing de fu za wang wang hai shou zao sheng de gan rao 。yin er guo nei wai zhong duo de xue zhe dui jin hang le yan jiu 。ge chong shi pin fang fa ji ji gai jin fang fa bu duan bei di chu ,shen du xue xi ye bei zhu bu ying yong dao gun dong zhou cheng gu zhang de zhen duan zhong lai ,shi de zhen duan de zhun que lv bu duan di gao ,zhi neng xing ye bu duan zeng jiang 。dan sui zhao gong ye da shu ju shi dai de lai lin ,ji xie jian kang zhuang tai de jian ce ye jin ru le da shu ju shi dai ,dai lai xin de ji yu yu tiao zhan 。ben wen yi shu kong ji chuang gun dong zhou cheng wei yan jiu dui xiang ,cong gun dong zhou cheng gu zhang fa sheng de yuan yin ji zhen dong te zheng fen xi ru shou ,dui ge chong shi pin fen xi fang fa zuo le bi jiao ,bing jiang chuan tong de shi pin fen xi fang fa yu shen du juan ji shen jing wang lao you ji jie ge ,ji EEMDyu VMDtong juan ji shen jing wang lao jie ge de gun dong zhou cheng jian kang zhuang kuang zhen duan fang fa 。gai fang fa ji neng gou fa hui EEMDyu VMDzai chu li fei xian xing fei ping wen xin hao de you shi ,you neng gou chong fen fa hui shen du juan ji shen jing wang lao zai gu zhang te zheng zi di qu de jiang da neng li ,kuo ying da shu ju gu zhang zhen duan de xu qiu ,bi mian le ren wei te zheng de shua ze ,zeng jiang le te zheng di qu de zhi neng xing ,shi yi chong duan dao duan de gun dong zhou cheng jian kang zhuang kuang zhen duan de fang fa 。gai fang fa dui CWRUgun dong zhou cheng shu ju ji de zhun que lv da dao le 99.6%。bing dui duo lei de gu zhang zhen duan fang fa jin hang le shi yan ,bing yu zhi jin hang le dui bi fen xi ,de chu le gai fang fa de you shi 。zui hou wan cheng le ji yu gai fang fa de gun dong zhou cheng jian kang zhuang kuang jian ce ji tong ,bing dui yan jiu cheng guo zuo le zong jie yu zhan wang 。
论文参考文献
论文详细介绍
论文作者分别是来自中国科学院大学(中国科学院沈阳计算技术研究所)的王海龙，发表于刊物中国科学院大学(中国科学院沈阳计算技术研究所)2019-07-11论文，是一篇关于滚动轴承论文,健康状况论文,时频分析论文,卷积神经网络论文,中国科学院大学(中国科学院沈阳计算技术研究所)2019-07-11论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中国科学院大学(中国科学院沈阳计算技术研究所)2019-07-11论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：滚动轴承论文; 健康状况论文; 时频分析论文; 卷积神经网络论文; 中国科学院大学(中国科学院沈阳计算技术研究所)2019-07-11论文;