有哪些信誉好的足球投注网站- 1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
摘要
摘要
滚动轴承是大型旋转设备的关键零部件之一，对滚动轴承进行异常状态监测和早期
故障诊断，对提升设备安全性、经济性具有重要意义。声音传感器具有装置简单、安装
灵活、信号易获取等优点，可以实现非接触测量以及不停机安装及监测，具有很广的应
用前景。但目前工业场景下基于声音信号的故障诊断研究较少，并且绝大多数研究都集
中在有监督的多分类故障诊断问题上，没有考虑到实际故障工况的异常样本获取困难的
问题。同时，滚动轴承故障特征构造对专家知识依赖较强，在基于普通机器学习模型的
特征选择过程中容易产生人为因素干扰。而基于深度学习时对提取的众多特征缺乏选择
性，泛化能力较差。此外，声学信号的背景噪声来源复杂，其噪声强度也相对更大，传
统的降噪方法在处理滚动轴承声音信号噪声问题时还不能满足现场要求。针对以上问题，
本文开展了基于声音信号的滚动轴承降噪及异常检测研究，主要内容如下：
1VariationalModeDecompostionVMD
（）针对传统变分模态分解方法（，）降噪中
SingularValue
有效信息的损失和低频部分降噪不完全问题，以及传统奇异值分解（
Decomposition，SVD）降噪方法中奇异值有效阶次选取困难的问题，提出一种改进
VMD-SVD的联合降噪方法。使用加权特征对重构分量进行选取与划分，并使用一种混
合阈值SVD方法对经VMD分解后的有效模态分量进行联合降噪处理。实验结果表明，
改进VMD-SVD方法相比于传统降噪方法，在各项降噪性能指标上都有更好的效果。
2
（）针对滚动轴承运行异常检测问题，将基于声纹识别的梅尔倒谱特征
(Mel-FrequencyCepstralCoefficients,MFCC)应用到模型中，同时提出了一种基于马氏距
离加权的支持向量数据描述方法(MahalanobisDistanceWeighted-SupportVectorData
Description，MDW-SVDD)，对传统的支持向量数据描述模型(SupportVectorData
DescriptionSVDD)SVDD
，的松弛变量引入权重系数，解决了传统没有考虑数据密度分
布、轴承运行信息易受噪声干扰的缺点。在强噪声背景下，MDW-SVDD的异常检测准
确率显著高于传统SVDD模型，表明其针对数据集边缘的密度稀疏的离群异常点的加权
学习，有效减弱了其对超球体构建的负面影响，提高了模型对异常数据的鲁棒性。
（3）针对异常检测中人工提取信号特征进行模型训练的方法过于依赖专家知识、主
Convlutional
观性较强的问题，提出一种基于有效通道注意力机制的卷积自编码器方法（
AutoEncoder-EfficientChannelAttentionCAE-ECA
，）。通过将注意力机制引入卷积自编
码器，完成轴承运行信号特征的自适应提取，降低了人为因素的影响。在自编码器重构
结果的判别过程中，提出一种基于重构相关系数的硬阈值判别方法和一种基于编码器中
间层特征融合的判别方法。前者操作简单，在无噪声情况下具有高准确率；后者在中等
程度噪声情况下，能有效利用自编码器的中间层特征，提高了模型的诊断准确率。
关键词：滚动轴承，异常检测，信号降噪，梅尔倒谱系数，卷积自编码器
I
东南大学硕士学位论文
A
文档评论（0）