基于自监督对比学习的机械设备智能故障诊断方法研究

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:jili7315
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
机械设备工作环境复杂恶劣,对其开展故障诊断势在必行。随着工业大数据时代到来,如何从海量机械设备数据中挖掘潜在的故障信息,实现机械设备复杂运行环境下的高效高精度智能故障诊断是目前的研究难点与热点问题。基于传统机器学习与深度神经网络(Deep Neural Network,DNN)的诊断方法得到了广泛的研究,然而上述方法存在以下局限性:a)传统机器学习需要专业知识手工筛选特征,效率较低,而训练深度神经网络需要大量标记样本,但典型故障样本往往难以获取,导致深度网络难以在实际生产中应用;b)运行于不同工况的设备,其数据来自不同的特征空间分布,根据单一工况数据训练的深度学习模型对其他工况数据的故障诊断能力会大幅下降;c)智能模型为了提高诊断准确率,模型的参数越来越复杂,导致诊断时长增加,难以适用于机械设备的实时故障诊断。自监督学习(Self-supervised Learning,SSL)可从大规模无监督数据中挖掘样本自身的监督信息,通过自我构造监督信息对网络进行预训练,可学习到对下游任务有价值的表征,为解决上述问题提供一种可潜在的途径。本文以自监督学习技术为核心,围绕上述不足,主要开展了以下工作:(1)为解决传统机器学习方法依赖人工提取特征,而DNN需要大量手工标记样本训练诊断模型的问题,提出一种基于对称式对比学习的无监督故障状态识别方法,所提方法以动量对比学习(Momentum Contrast,Mo Co)为基础,对原始数据进行正负样本划分、数据增强操作,构造对称式对比学习网络,通过无标签样本学习原始数据的深层表示。通过齿轮箱数据集验证所提方法可实现无监督故障识别。(2)为减少变工况下源域数据和目标域数据存在的分布差异,提高跨工况下的故障诊断精度,以对称式对比学习框架为基础,提出一种基于自监督域对抗迁移网络的无监督故障诊断方法,通过引入梯度反转层构造域对抗训练模块,实现了无监督知识迁移。通过滚动轴承数据集验证了所提方法相较于对比方法有更好的聚类性能和域适配能力。(3)为有效减少网络的模型复杂度,提高诊断模型的快速与实时故障诊断能力,提出一种基于自监督二值化蒸馏网络的模型高效压缩与快速故障诊断方法,以(1)、(2)中的已训练网络作为教师网络,Re Act Net二值化网络作为学生网络,通过知识蒸馏训练Re Act Net。构造小样本微调和无监督域对抗迁移两个独立试验,验证所提方法能够显著降低模型的算力消耗,实现模型快速实时诊断。所提方法解决了无标签样本驱动下的特征提取与故障诊断,跨工况下的诊断知识迁移,以及诊断模型的高效压缩与快速诊断难题,可为机械设备智能故障诊断提供一种新颖的解决方案。
其他文献
在现代交通运输作业中,由于运输路程长、工作强度高,驾驶员易出现疲劳驾驶现象,从而导致各类交通事故。与酒驾、闯红灯等有明确界定标准的违规驾驶操作相比,疲劳驾驶没有明确的判定标准,且引起疲劳驾驶的因素复杂多变,难以及时察觉并采取预防措施。因此,发展疲劳驾驶检测技术对保障道路交通安全有十分重大的意义。为减少疲劳驾驶风险,本文利用深度学习模型及机器学习算法设计了一套非接触式疲劳驾驶检测方法。具体地,各模块
学位
梳理总结国内外无人装备自主性评估的研究进展,从Observe, Orient, Decide,Act(OODA)基础性能力出发,探索构建通用的智能无人装备自主性评价指标体系,并提出引入层次分析法和模糊综合评价法,采取定性分析与定量相结合的方法进行自主性评价。
会议
目的:采用液质联用技术,以水、正丁醇、乙酸乙酯、石油醚为溶剂提取西黄丸,检测西黄丸中化学组分,研究各提取组化学组分对MCF-7细胞增殖、凋亡和周期的影响。方法:(1)西黄丸化学组分的提取:分别以水、正丁醇、乙酸乙酯、石油醚为溶剂抽提西黄丸,通过液质联用技术,在适配的电喷雾离子源条件下得出各溶剂西黄丸的总离子流图及化学组成;(2)西黄丸各化学组分对MCF-7细胞的增殖影响:以MCF-7细胞为研究对象
学位
随着社会的发展,人们对于车辆的需求不再局限于动力性、经济性、安全性等方面,对乘坐舒适性的需求也愈益增加。而制动刹车作为车辆行驶过程中最频繁的操作,会给乘客带来不舒适体验,甚至会造成晕车呕吐等生理问题。同时,线控制动系统作为制动过程中最重要执行器之一,其对车辆制动舒适性至关重要。本文基于线控制动系统对车辆制动过程的舒适性展开研究,分析制动不同阶段的舒适性影响,研究提升制动舒适性控制方法,进行制动舒适
学位
心脏瓣膜生物力学是一个快速发展的、高度临床相关的研究领域。研究表明大多数瓣膜病变是由于瓣膜生物力学改变导致的,因此了解心脏瓣膜与其局部力学环境之间的相互作用对于了解正常瓣膜功能和阐明瓣膜疾病进展至关重要。然而研究这些病变的技术在很大程度上受到了限制,其中缺乏良好的瓣膜力学相互作用模型是限制该领域研究深入开展的主要瓶颈之一。随着数值计算模型、体外模型和动物模型建模技术的飞速发展,心脏瓣膜相关的生物力
期刊
橡胶隔振器是汽车重要的隔振元件,在设计电动汽车橡胶隔振器时,应尽可能减小在重要工况下隔振器刚度的动静比,以提高隔振器的隔振率。不同预载下橡胶隔振器的高频动刚度计算能有效缩短橡胶隔振器的设计周期,具有重要的研究意义。本文对不同预载下橡胶隔振器高频动刚度的计算方法进行了研究。论文的主要内容包括:(1)制作了符合标准的橡胶试片及工装,分析了橡胶试片动态特性试验的影响因素,进行了不同预应变下橡胶试片的动态
学位
工程领域内进行工程产品设计时通常会受到多种约束,使得工程设计优化问题成为一个复杂的黑箱约束优化问题。由于需要使用多个代理模型并且约束条件的存在缩小了设计空间,利用代理模型技术求解此类问题并非易事。在求解此类问题时,如何为每个黑箱函数选择合适的代理模型是工程设计人员经常面对的一个问题。为了能为每个黑箱函数选择合适的代理模型并有效求解复杂昂贵黑箱约束优化问题,本文提出一种基于多代理模型的约束优化算法,
学位
发动机冷却风扇作为冷却系统最重要的部件,直接影响着整车的运行状态,因此对冷却风扇结构和性能的优化一直以来都是汽车行业研究的重点之一。衡量发动机冷却风扇的工作性能的依据主要为气动力学性能和噪声。风扇运行过程中,其叶尖部位的气流流动与风扇做功能力以及功耗密切相关,同时,该部位引起的湍流也是产生噪声的重要因素之一。现有研究表明,在风扇叶片前后缘部位采用锯齿等仿生学结构设计可有效提升气动力学性能同时有益于
学位
随着空气污染和能源短缺等问题的出现,发展电动汽车被视为解决环境与能源问题的重要途径。电驱动系统作为电动汽车的核心组件,与之相关的设计开发成为了领域内的研究热点之一。相较于单挡位传动系统的设计,具有多挡位变速箱的电动汽车在整车动力性与经济性方面均体现出了较大优势,因此,面向电驱动总成开发设计一套自动换挡系统具有十分重要的意义。本文面向一款两挡集成式电驱动系统进行研究,根据性能要求对其自动换挡系统进行
学位
发展电动汽车是实现“双碳”目标的有效途径,但电动汽车的安全性和续航里程尚无法满足大规模增长的发展需求,仍然制约着其发展。锂离子电池作为电动汽车的动力来源,面对电池内部复杂的电化学反应以及多变的车辆应用场景,精准地估计电池的各项状态(State of x,SOX),包括荷电状态(State of Charge,SOC)、能量状态(State of Energy,SOE)与健康状态(State of
学位