NETL
基于深卷积神经网络的机电系统故障分类识别方法
MAO Xiangxiang 1毛向向 2WANG Hongjun 1王红军 2HAN Fengxia 3韩凤霞 1YANG Wei 2杨伟 1CHEN Xiao 1陈晓
作者信息
- 1. 北京信息科技大学机电工程学院,北京 100192
- 2. 北京市高端装备智能感知与控制国际科技合作基地,北京,100192
- 3. 机电系统测控北京市重点实验室,北京,100192
- 折叠
摘要
随着高端装备在工业领域的广泛应用,其运行状态对装备的安全性和产品的性能影响重大,突发故障往往造成巨大的人民生命财产的巨大损失并影响社会的安全稳定.机电系统多处于变转速工作状态,其状态特征信息难以获取,为机电系统的故障诊断和预测带来困难.针对此问题,提出了深度学习的机电系统故障分类识别诊断模型.首先将采集到的关键部位的振动信号进行时频变换转换为时频图构成输入样本;其次将样本输入深度学习神经网络进行特征学习和状态识别;研究了不同变换与深度学习卷积神经网络相结合的方法,应用于某机电系统试验台进行故障状态分类性能对比,实验结果表明该方法为机电系统的故障诊断提供了一种新途径.
关键词
机电系统/故障诊断/特征学习/状态识别/深度学习/卷积神经网络引用本文复制引用
主办单位
中国机械工程学会/中国振动工程学会会议名称
2020年全国设备监测诊断与维护学术会议暨第十七届全国设备故障诊断学术会议、第十九届全国设备监测与诊断学术会议会议时间
2020-08-19会议地点
福州会议母体文献
2020年全国设备监测诊断与维护学术会议暨第十七届全国设备故障诊断学术会议、第十九届全国设备监测与诊断学术会议论文集页码
1-6出版时间
2020