原文传递
深度可分离卷积胶囊网络的变速器小样本故障识别方法研究
| 论文题名： | 深度可分离卷积胶囊网络的变速器小样本故障识别方法研究 |
| 关键词： | 汽车变速器;故障诊断;胶囊网络;卷积神经网络 |
| 摘要： | 新能源汽车变速器是由电机直接驱动，具有高精度、高转速、瞬时加速度大、齿轮和轴承工况更为恶劣等特点。变速器的微弱故障在高瞬时加速度、高瞬时速度条件下，故障信号呈现冲击信号特征。随着故障发展，可能会造成变速器异响，甚至会导致其动力输出不稳定，失效等问题。所以，对变速器关键部位进行故障识别具有重要意义。然而，变速器安装位置紧凑、多传感器布置困难，冲击性故障导致冲击调制信号产生且含有强噪声，获取理想样本数据很难。因此，研究小样本下变速器故障识别方法，对于变速器故障早知道、故障定位具有重要意义。 本文在卷积神经网络与胶囊网络理论基础上进行研究，并利用深度可分离卷积方法与残差连接改进胶囊网络，构造深度可分离卷积胶囊网络模型，解决新能源变速器在小样本下故障识别准确率不高的问题。利用仿真信号确定该网络参数优化配置。应用轴承开源数据，证明胶囊网络可对不同故障频率的冲击性信号识别。采用某新型新能源汽车变速器搭建故障采集试验台，对具有冲击性特征的零部件进行智能故障诊断。具体研究内容如下： （1）通过分析变速器齿轮和轴承振动响应机理，建立具有冲击性特性的故障仿真信号。搭建由某型新能源汽车变速器故障模拟试验台。以便通过理论和实验研究新能源汽车变速器故障识别。 （2）利用仿真信号对胶囊网络的参数进行优化配置。采用不同学习率值、卷积核大小、批处理量以及动态路由迭代次数，分析各参数在胶囊网络下准确率，利用分析结果确定网络模型结构。采用凯斯西储大学轴承开源数据验证优化后胶囊网络的可行性。随后，通过变速器故障模拟试验台采集的齿轮，轴承故障数据，提高了变速器故障诊断准确率。 （3）为了解决小样本下胶囊网络泛化能力弱的问题，将胶囊网络卷积层改进成深度可分离卷积层。在深度可分离卷积层中应用多尺度卷积分解，通过残差连接，形成深度可分离卷积胶囊网络。分析不同残差块下深度可分离卷积胶囊网络的性能，确定残差块个数，得到最优的网络模型结构。利用深度可分离卷积胶囊网络模型对小样本变速器故障进行了故障识别，获得了很好的识别效果。 本文主要针对胶囊网络与胶囊网络卷积层改进型进行研究，模拟变速器小样本故障数据，通过试验，证明变速器故障在小样本中的可行性，提高故障识别准确率。 |
| 作者： | 刘宇涛 |
| 专业： | 机械工程 |
| 导师： | 孙虎儿;赵庆龙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中北大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
