基于时频滤波器和偏移注意神经网络的轴承故障诊断.docx

基于时频滤波器和偏移注意神经网络的轴承故障诊断

目录

一、内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

论文结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

二、理论基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

轴承故障机理分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.1故障类型概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

1.2故障发展过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

信号处理技术综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

2.1传统方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

2.2时频分析方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

深度学习与神经网络简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

3.1神经网络基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

3.2偏移注意力机制原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

三、时频滤波器设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

时频分析技术选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

自适应滤波器构造．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

滤波器性能评估指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

四、偏移注意神经网络架构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

注意力模型在故障诊断中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．24

网络结构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

参数优化策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

五、实验验证与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

数据集介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

实验设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

结果展示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

分析讨论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

六、系统实现．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

硬件平台搭建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

软件环境配置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

实时监测系统的开发．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

七、结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

研究总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

创新点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

未来工作方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

一、内容概括

本文主要针对轴承故障诊断问题，提出了一种基于时频滤波器和偏移注意神经网络的故障诊断方法。首先，通过对轴承振动信号进行时频分析，利用时频滤波器有效提取故障特征，降低噪声干扰。接着，结合偏移注意机制，设计了一种具有自适应性的神经网络模型，该模型能够聚焦于轴承故障的关键区域，提高故障特征的