基于数据驱动的高速列车轴箱轴承故障诊断与预警方法研究

目录

第一个书签之前

摘要

ABSTRACT

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于振动信号的轴承故障诊断

1.2.2 基于温度信号的轴承故障诊断

1.2.3 当前研究的不足

1.3 本文研究内容

2 相关理论基础

2.1 数据处理方法及相关性分析理论

2.1.1 低通滤波器

2.1.2 一阶数值微分

2.1.3 相关系数

2.2 人工神经网络

2.2.1 人工神经网络的结构

2.2.2 神经元结构

2.2.3 网络训练过程

2.3 长短期记忆神经网络

2.3.1 LSTM展开结构

2.3.2 LSTM单元结构

2.4 生成对抗网络

2.4.1 生成对抗网络的结构

2.4.2 生成对抗网络的训练过程

2.5 高速列车轴箱轴承产热及散热分析

2.5.1 轴箱轴承产热机理

2.5.2 轴箱散热机理

2.6 简化轴箱模型的解析分析

2.6.1 轴箱温度求解

2.6.2 温升率分析

2.7 本章小结

3 原始监测数据预处理及分析

3.1 数据预处理

3.1.1 原始数据

3.1.2 缺失值处理及整合对齐

3.1.3 时间窗分割

3.1.4 平滑滤波

3.1.5 计算温升率

3.2 故障数据与正常数据对比分析

3.2.1 时间窗内最大值和均值的分布

3.2.2 温度数据对比分析

3.2.3 温升率数据对比分析

3.2.4 最高温度历史数据分析

3.3 相关性分析

3.3.1 相关性定性分析

3.3.2 相关性定量分析

3.4 本章小结

4 基于数据驱动的故障诊断与预警模型

4.1 不平衡数据集增强

4.1.1 生成对抗网络设计

4.1.2 深度学习框架与实验平台

4.1.3 故障样本生成实验

4.1.4 故障样本生成实验分析

4.2 时间窗内异常温升诊断模型

4.2.1 模型的搭建

4.2.2 模型的训练

4.3 基于平衡状态下轴温趋势预警方法

4.3.1 平衡状态下轴温提取方法

4.3.2 平衡状态下轴温趋势提取结果

4.4 轴箱轴承故障二级预警策略

4.4.1 预警机制

4.4.2 轴箱轴承故障预警实例

4.5 本章小结

5 结论与展望

5.1 结论

5.2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集