连续报名中
引用论文
Shang, Z., Li, W., Gao, M. et al. An Intelligent Fault Diagnosis Method of Multi-Scale Deep Feature Fusion Based on Information Entropy. Chin. J. Mech. Eng. 34, 58 (2021). https://doi.org/10.1186/s10033-021-00580-5
研讨配景及目标
深度进修以无监视进修方式从原始数据中进修有用特性表现，可避免繁琐人工介入、依附旌旗灯号处置技术和故障诊断常识进行特性提取与特性选择。今朝深度神经收集模子在故障诊断范畴的研讨主要针对单一模子机能研讨，因为振动旌旗灯号每每含有噪声，应用单一收集模子对齿轮箱进行故障诊断存在精确率低、稳固性差、泛化才能低的问题。集成进修作为一种新型机械进修办法，经由过程组合多个进修器来获取更好的进修后果，可办理单一深度进修模子缺陷；信息熵作为一个体系的信息含量量化指标可以用来作为参数选择判据，经由过程量化权重年夜小分派避免权重均平分配征象，可有用交融提取深度特性。本文构建了一种基于信息熵的多标准深度特性交融智能故障诊断办法，可办理单一深度神经收集模子精度不高、稳固性差和提取特性才能弱的缺陷。
实验办法
基于信息熵的多标准深度特性交融智能故障诊断办法主要分为三个步调。起首，将分歧事情原理的主动编码器堆叠起来，形成多个深度神经收集，应用深度神经收集构造多标准特性提取布局，进步深度特性提取才能；其次，设计了基于信息熵的特性交融策略，得到低维、高质量深度特性，保证交融特性具有更好的鲁棒性和代表性；末了将交融后特性输入DBN分类器进行故障辨认。应用该办法对齿轮箱振动旌旗灯号进行了试验阐发。
为了确保试验成果靠得住性，本文对固定轴齿轮箱数据集进行十次试验。起首，进行了传统机械进修故障诊断算法(BPNN、SVM、RF、Softmax分类器)和深度进修算法(DNAE、DDAE、DSAE、DCAE、CNN)对照试验，经由过程精确率和尺度方差验证模子是否具备高精确率和高稳固性，进一步比拟DNAE、DDAE、DSAE、DCAE与提出办法的训练耗费光阴；然后对照提出办法与DNAE、DDAE、DSAE、DCAE的多类殽杂矩阵验证模子机能；末了应用PCA技术对深度特性进行二维和三维可视化对照试验，验证了提出办法的交融特性质量。
成果
本文对固定轴齿轮箱的数据集进行了十次试验。该办法具有较高测试精确度(94.31%)和更低的尺度方差(0.3187)。
(1) 与浅层进修BPNN、SVM、Softmax分类器和RF相比，测试样本的均匀精确度高于BPNN的84.07%、SVM的89.39%、RF的90.40%、Softmax分类器的83.14%；
与尺度深度进修模子相比，该办法测试样本的精确度同样高于尺度AE的88.19%、尺度降噪自编码器的90.13%、尺度稀少自编码器的90.69%、尺度收缩自编码器的90.94%、CNN的90.74%。
诊断成果尺度方差为0.3187，远低于其他办法的1.3593、1.2359、1.2823、1.0287、0.6171、1.4211、0.8097、1.3824、1.7112。
(2) 在多类殽杂矩阵对照中，该办法对标签1的猜测精确度显著进步，标签3和标签4猜测精确度略微改善，而且标签2、5和6均到达最优解。
(3) 在深度特性可视化中，该办法在二维平面上的故障特性界限加倍清楚，而且故障特性在三维空间上被完全分离隔，聚合后果表示加倍优异。
结论
该平行轴齿轮箱多标准深度特性交融智能故障诊断办法避免了人工提取故障特性的繁琐进程，直接从振动旌旗灯号中有用地主动提取有代价的故障特性，进步了故障辨认的精确性；该办法可以或许进步深层特性的量，捕捉稳健故障特性，降服了单一深度进修模子存在诊断精度不高、稳固性差和提取特性才能弱的缺陷，具有高质量的特性发掘才能和较高的故障辨认精度。
远景与利用
本文提出的基于信息熵的多标准深度特性交融智能故障诊断办法办理了单一深度进修模子存在诊断精度不高、稳固性差和提取特性才能弱的缺陷，可训练出靠得住的故障智能诊断模子，具有较高的现实利用代价和普适性，可以推广利用于航空航天、先进轨道交通设备、直升机、年夜型工程机器等繁杂机电设备体系的故障诊断工程现实中。
相关文章/图书保举
[1] J. Li, X. Li, D. He, Y. Qu, Unsupervised rotatingmachinery fault diagnosis method based on integrated SAE–DBN and a binaryprocessor[J]. Journal of Intelligent Manufacturing, (2020).
[2] H. Zhu, J. Cheng, C. Zhang, J. Wu, X. Shao, Stackedpruning sparse denoising autoencoder based intelligent fault diagnosis ofrolling bearings[J]. Applied Soft Computing, 88 (2020).
[3] S.R. Saufi, Z.A.B. Ahmad, M.S. Leong, M.H. Lim,Gearbox Fault Diagnosis Using a Deep Learning Model With Limited Data Sample[J].IEEE Transactions on Industrial Informatics, 16 (2020).
[4]彭喜元, 彭宇, 刘年夜同. 数据驱动的故障猜测[M]. 哈尔滨: 哈尔滨工业年夜学出书社.
团队带头人先容
尚志武博士/ 传授/ 正高工/ 博士生导师
根本环境
出身日期：1977年2月
卒业院校：天津年夜学
所获学位：博士
卒业光阴：2003.02
尚志武，天津工业年夜学机器工程学科博士生导师，历久从事机器设备故障诊断与猜测、机电一体化、立异办法与立异设计研讨事情。主持承担国度级科研项目9项，公开颁发SCI/EI期刊论文15篇，得到国度专利120余项。现兼任中国振动工程学会机器动力学专委会委员、天津经济技术开发区正高档职称评委会委员、国度科技奖励评审专家、国际TRIZ协会(MATRIZ)认证专家、甘肃省财产竞争力战略咨询委员会委员。
团队研讨偏向
(1) 机器设备故障机理和动态特征研讨
故障机理研讨是故障诊断的紧张基石，该偏向经由过程树立动力学模子，对机器体系的动态特性进行研讨阐发，研讨机器体系在表里激励下的动力学特征以及模子参数、故障类型对体系相应特征的影响；并研讨动态光阴规整、变分模态分化、盲源分别等旌旗灯号处置办法，提取机器体系表征特性，实现微弱特性加强和早期故障诊断。
(2) 数据驱动的机器设备故障智能诊断
在年夜数据期间，故障智能诊断是机器设备进行快速诊断的年夜趋向。该偏向主要研讨机械进修、深度进修等人工智能算法，经由过程树立故障智能诊断模子，自顺应提取机器旌旗灯号蕴含的故障特性，实现故障的主动辨认。
(3) 机器设备故障猜测
故障猜测经由过程机器设备的状况监测，从汗青数据中进修设备的康健/非康健行动，将原始振动监测数据转化为相关信息和行动模子，以对将来机器设备行动进行猜测。该偏向主要研讨数据驱动的残剩寿命猜测理论与办法，实现风电机组、工程机器等症结零部件的残剩寿命猜测。
团队颁发高影响力论文
[1] Z W Shang, X Liu, W X Li, et al. A rollingbearing fault diagnosis method based on fastDTW and an AGBDBN. Insight, 2020, 62: 457-463.
[2] Z W Shang. Rolling bearing faultdiagnosis method based on EEMD and GBDBN. InternationalJournal of Performability Engineering, 2019, 15(1): 230-240.
[3] Z W Shang, X P Zhou. Design ofmicropipette system with high precision for small enzyme immunoassay analyzer, Journal of Shanghai Jiaotong University,2019, 24(5): 605-615.
[4] Z W Shang, XX Liao, R Geng, et al. Fault diagnosis method of rolling bearing based on deepbelief network. Journal of Mechanical Science and Technology, 2018,32(11): 5139-5145.
课题组特点
本团队隶属于天津市“双一流”建设学科“机器工程”、“天津市当代机电设备技术重点试验室”和天津市“十三五”立异团队“机器体系动力学与节制”课题组，历久从事故障诊断技术范畴的研讨事情。近年来在航空航天、风电、轨道交通范畴环抱行星齿轮箱、轴承故障诊断技术开展了年夜量的研讨事情。本课题组在故障诊断技术研讨范畴进行了多年深刻研讨，在滚动轴承、行星齿轮箱的故障诊断技术方面有很多研讨结果，在海内外高程度期刊公开颁发过多篇论文，多次加入故障诊断技术研讨相关国际学术会议与学术论坛，对故障诊断相关技术的成长近况和成长趋向有深刻相识和独到见解。
今朝试验室购买了比拟齐全的试验平台和检测仪器，为课题研讨奠基了坚实的根基。试验装备：(1) 机电体系计算与仿真中心，可为课题研讨提供高机能计算、模拟、数值阐发（如图1）；(2) 风力发电机仿真模拟试验平台、风力涡轮灵活力传动故障诊断综合实验台、行星传动体系电流旌旗灯号与振动旌旗灯号采集阐发实验台，可提供所需试验数据（如图2、3、4）；(3) DH5922N动态旌旗灯号测试阐发体系1套，可完成振动（加快度、速率、位移）、冲击、压力、力、扭矩、电压、电流等各类物理量的测试和阐发（如图5）；
课题组在研项目和得到的研讨结果
团队带头人主持在研的国度天然科学基金项目（项目编号：U1733108）：直升机用行星齿轮箱无传感器故障特性提取与诊断技术研讨，在体系动力学建模方面已经取得紧张进展，将基于齿形修正势能法的集总参数法胜利利用于实验台行星齿轮箱动力学建模，颁发SCI论文1篇，图1为行星传动体系时变啮合刚度图，图2为行星轮齿面磨损环境下的体系时变啮合刚度图。
图1 行星传动体系时变啮合刚度图
图2 行星轮齿面磨损环境下的体系时变啮合刚度图
课题组设计完成了一种基于相互关函数的新型改良动态光阴规整算法，进步了运算速率，改善了奇怪性问题和序列相位差问题，结果已胜利利用于齿轮故障特性提取，并颁发SCI论文1篇。后果图如图3、图4所示。在此根基上，利用最新的导数加权技术和自顺应估量技术可以获得全新的改良动态光阴规整算法实用于风电机组齿轮传动体系故障诊断。
课题构成员在基于深度进修的智能故障诊断方面做了摸索性的研讨，经由过程提取原始旌旗灯号统计特性训练深度置信收集，已胜利利用于滚动轴承的故障辨认，辨认后果图如图5所示；提出了一种基于快速动态光阴规整和自顺应高斯-伯努利笃信度收集的故障诊断办法多类殽杂矩阵的辨认后果图如图6所示。颁发SCI论文3篇。
编纂：恽海艳 校对：向映姣
寻觅互助伙伴
有一种互助叫做朴拙，有一种成长可以无穷，有一种伙伴可以互利共赢，愿我们互助起来乐不思蜀，成长起来远景可观。关于论文保举、团队先容、图书出书、学术直播、雇用信息、会议推广等，请与我们接洽。
感激存眷我们。《机器工程学报》编纂部将尽力为您打造一个有立场、有深度、有温度的学术媒体。
版权声明：
本文为《机器工程学报》编纂部原创内容，迎接转载，请接洽授权。
在"大众号后台留言必要转载的文章标题及要转载的"大众号ID以获取授权!
接洽人：暖暖
德律风：010-88379909
E-mail：jme@cmes.org
网 址：http://www.cjmenet.com.cn
官方微旌旗灯号：jmewechat
