基于大数据的深度学习与度量学习的轴承故障识别与预测的研究

来源 :第五届全国智能制造学术会议(NCIM2016)暨智能制造专业委员会2016年度工作会议 | 被引量 : 0次 | 上传用户:lijie04113209
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  如今,机械装备的加工制造正朝着高速、高精、高效的方向发展,机械关键零部件状况的好坏将直接影响到加工零件的质量,其中滚动轴承的故障劣化将直接影响到整个机床的加工精度。随着机器学习在诸多领域取得的成果,我们可以利用机器学习算法能够从自然信号中自适应地提取出最能够表征信号本质的特征。所以本文提出一种将深度学习与相似性度量学习相结合的方法来实现无监督地轴承故障预测。该方法摆脱了以往依赖于人工诊断经验利用信号处理技术与传统方法来提取特征的困扰,并从振动信号中自适应地提取出故障特征。最后通过设计试验且实验结果表明,本文提出的方法可以实现大样本、多类型的轴承故障的特征自适应地无监督提取和准确识别。
其他文献
会议
  [目的]针对中国移动运营商面临的客户投诉难定位、投诉现象难复现、投诉发生时信令难回溯等难点问题,研发一个基于信令分析的移动数据网络业务投诉系统。[方法]系统通过
会议
  [目的]对现有的下一代测序(Next Generation Sequencing,NGS)纠错算法和工具进行分析,提出基于Hadoop平台的纠错算法,以解决大数据处理中计算机内存不足和运行时间长的问
会议
  针对铝电解生产过程的复杂性以及测量难度大等问题,设计了一种自校准铝电解槽阳极电流监测系统.首先,在对信号调理电路中各分立元器件的噪声模型分析的基础上,建立了整个测
  硬质合金在高速加工钛合金板件时极易破损或快速磨损,因此很难准确预测其工作状态。薄壁件的加工质量要求极高,而刀具的健康状态又与产品的加工质量密切相关,预测刀具健
会议
  采用一种较为精确的计算模型对四缸双作用斜盘驱动斯特林发动机主轴弯曲变形与轴承寿命进行研究,首先采用等温分析法对活塞上下端压力差和活塞环与汽缸壁之间的压力和摩擦
会议