仿真数据驱动的滚动轴承深度迁移学习故障诊断方法研究

目录

第1 章 绪论

1.1课题来源

1.2研究的背景与意义

1.3 国内外研究现状综述与分析

1.3.1 滚动轴承故障建模研究现状

1.3.2 滚动轴承故障智能诊断方法研究现状

1.4 本课题研究内容

第 2 章 滚动轴承滚道存在局部缺陷的动力学建模

2.1 引言

2.2 滚动轴承五自由度动力学简化模型

2.3滚道表面局部缺陷位移激励函数

2.3.1外滚道表面局部缺陷位移激励函数

2.3.2内滚道表面局部缺陷位移激励函数

2.4非线性微分方程的建立

2.4.1非线性接触力

2.4.2润滑油膜阻尼

2.4.3滚动体随机滑动

2.4.4非线性动力学方程

2.5 本章小结

第 3 章 滚动轴承故障的数据获取与可迁移性分析

3.1 引言

3.2 仿真与实际故障数据获取

3.2.1 仿真故障数据的获取

3.2.2 实际故障数据的获取

3.3 仿真与实际故障数据集的对比分析

3.3.1 时域对比分析

3.3.2 频域对比分析

3.3.3 时频域对比分析

3.3.4 概率分布对比分析

3.4 可迁移性分析

3.5 本章小结

第4章 仿真数据驱动的滚动轴承深度学习故障诊断模型

4.1 引言

4.2卷积神经网络基础架构

4.2.1 AlexNet 基本原理与网络结构

4.2.2 ResNet 基本原理与网络结构

4.3 滚动轴承深度学习故障诊断模型

4.3.1 数据集设置

4.3.2 数据预处理

4.3.3 深度学习故障诊断模型训练

4.3.4 深度学习故障诊断模型测试

4.4 本章小结

第5章 仿真数据驱动的滚动轴承深度迁移学习故障诊断模型

5.1 引言

5.2 基于 MK-MMD 的滚动轴承深度迁移学习故障诊断模型

5.2.1 问题描述

5.2.2 多核最大均值差异

5.2.3 深度迁移学习故障诊断模型的建立与测试

5.3 变工况下深度迁移学习故障诊断模型的性能实验

5.3.1 转速变化对诊断模型的影响

5.3.2 负载变化对诊断模型的影响

5.3.3 工况变化对诊断模型性能影响分析

5.4本章小结

结 论

参考文献

声明

致 谢