基于卷积神经网络的设备故障智能诊断开题报告

1. 研究目的与意义（文献综述）

1.1背景

科技水平的发展和人民对生活水平要求的不断提高，促进了工业水平的迅猛发展，推动着机械产品复杂度不断递增。同时由于需要快速响应市场、保证在生产过程中的产品质量，需要生产的机械产品长期处于正常运行状态，以保证其在标准的功能和性能的前提下为工业生产创造良好环境。

然而，设备故障是不可避免的，任何一个部件出现故障，不仅设备自身运行出现问题，与该设备相关联的其他设备也会受到影响，而导致一系列连锁反应，影响产品的正常生产或产品质量，轻则对生产企业造成严重的经济损失，重则产生灾难性事故，对社会造成恶劣的影响。如果能在机械产品发生故障时及时发现并诊断，就可以避免企业经济损失。因此对产品的故障及时检测并诊断成为了一个十分重要的研究方向。在工业系统中，滚动轴承通常是机械设备中最常用的部件，因此也被称为“工业的关节”^[1]。有关统计资料表明：在使用滚动轴承的旋转机械中大约有30%的机械故障是由滚动轴承引起的，感应电机故障中大约40%的电机故障时滚动轴承故障，齿轮箱各类故障中轴承故障约占20%，仅次于齿轮^[2][28]。基于上述背景，本文以机械产品中关键部件之一的滚动轴承作为研究对象。

2. 研究的基本内容与方案

2.1 基本内容

滚动故障轴承诊断就是通过对能够反映轴承工作状态的信号进行观测、分析处理从而识别轴承状态^[27]。其过程包括：信号测取、特征提取、状态识别、诊断分析 。本文研究的主要内容是：

（1）综述国内外轴承故障诊断研究现状，对提出的各种研究方法进行归类，并研究各类诊断方法的优缺点和特性。

3. 研究计划与安排

4. 参考文献（12篇以上）

参考文献：

[1]于婷婷. 基于bp神经网络的滚动轴承故障诊断方法[d].大连理工大学,2008.

[2]朱可恒. 滚动轴承振动信号特征提取及诊断方法研究[d].大连理工大学,2013.