结合信号处理与深度学习的滚动轴承故障诊断框架12000字 .pdf

结合信号处理与深度学习的滚动轴承故障诊断框架

摘要

滚动轴承故障诊断是机械设备停机维修中的一个重要环节，也是导致旋转机

械灵与故障的最主要原因之一。而随着机器运行工况下检测方法和技术不断发

展，对故障特征信息进行提取与分析已成为必然趋势。而在深度学习不断发展的

今天,卷积神经网络模型成为分析滚动轴承故障准确率最高的模型。本文通过建

立一维卷积神经网络，对滚动轴承的故障进行诊断。滚动轴承的故障数据来自美

国西储大学轴承数据中心⑴。

关键词：卷积神经网络；滚动轴承；故障分析；深度学习

目录

第一章引言2

1.1研究背景2

1.2轴承故障诊断历史3

1.3轴承故障诊断方法研究现状4

1.3.1国外发展现状4

1.3.2国内发展现状6

第二章滚动轴承7

2.1滚动轴承的结构7

2.1.1滚动轴承的特性7

2.1.2滚动轴承的基本特点8

2.2滚动轴承的地位与作用9

2.3滚动车由承的负荷与寿命10

第三章基于卷积神经网络的轴承故障诊断流程12

3.1卷积神经网络的基本结构12

3.2卷积神经网络的传导过程17

第四章案例结果与分析19

2

4.1实验装置介绍19

4.2实验结果与分析20

第五章结论23

参考文献23

第一章引言

1.1究背景

随着现代工业文明的发展，机械设备越来越精密，结构越来越复杂，功能越

来越完善，自动化程度越来越高。精密设备在人们的日常生活和工作中起着重要

的作用，特别是作为机械设备领域中的关键旋转设备（贾文静，杨丽华,2022）。其

中，连接设备旋转部件和固定部件的轴承，特别是滚动轴承和设备的性能存在密

切关系。这种轴承的特征表现为摩擦小，效率高，润滑方便等优点⑵，目前在交

通、化工、航空航天工业中都获得应用。在设备的运行中，轴承在支持轴承的运

行和传递动力方面起着重要的作用，被称为“机械的关节〃冏。因此，一旦发

生轴承故障事故，就会连锁反应而引发各种不良影响，一些情况下还会导致严重

的生命财产损，导致重大伤亡36\引起各种严重的社会不满（邓浩然，邵紫晶,

2023）。

轴承在应用过程中容易出现故障，和其他零件相比，轴承由于承受冲击的能

力较弱而受到各种交变应力的影响，高转速、高负荷等恶劣条件口冏也导致其

效的可能性增加。统计分析发现大约有20%的齿轮箱故障都和轴承效有关⑼。

滚动轴承与其他连接的零件接触紧密，其效很容易导致故障和事故。1991

年11月，兰州铁路局1479次火车出轨事故导致很多人员伤亡，调查结果发现其

主要原因为轴承故障。上世纪九十年代日本关西电力公司海在运行过程中由于人

为因素影响，机组轴承出现故障，在这特定的场景中引发严重的共振。最后，所

有机组被摧毁。损高达50亿日元凹。2011年地铁4号线自动扶梯出现故障，

其中的固定部件损坏，在固定和连接效情况下导致扶梯滑落。事故中有一人死

亡，多人受伤。2006年，安阳钢铁公司吐丝机轴承断裂，引发生产线故障，进

入导致明显的经济损。深圳罗湖区电梯滑梯事故出现后，调查结果表明主要是

2

3

因为限速器轴承故障导致的，事故引发很不利社会影响时。因而很有必要加大

故障诊断技术的研究，采取各种高效的应对和控制方法，而有效的预防事故出现

（罗思杰，刘梦凡,2021）。

旋转机械由于经常作为动力传递动能，从这些情况中可以看出因此在动力、

石化、航运等领域广泛应用于现代工业设备，其质量和运行状态会明显的影响到

设备状态。在各种旋