首页|高压电机滚动轴承故障诊断研究

高压电机滚动轴承故障诊断研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
针对化工设备高压电机滚动轴承故障诊断中数据庞大导致的准确率较低及分类效果差的问题,提出了一种基于马尔可夫变迁场(markov transition field,MTF)和深度卷积神经网络(deep convolutional neural networks,DCNN)的故障诊断方法(MTF-DCNN).为了准确提取轴承故障特征,首先,采用 MTF将一维振动信号进行时频变换,利用 MTF降低信号维度,并保留振动信号中的冲击能量;其次,提出了一种深度卷积神经网络(DCNN),采用轴承振动信号的 MTF图像作为输入,保证故障诊断准确性的同时缩短了诊断周期.试验结果表明,本文提出的 MTF-DCNN方法在实际高压电机滚动轴承故障诊断中诊断精度高达97.98%,对比结果表明,所提方法的故障分类准确度优于其他滚动轴承故障诊断方法,具有一定实用价值.

赵坚

展开 >

唐山三友化工股份有限公司纯碱分公司,河北 唐山 063305

河北省纯碱碱渣减量与资源化技术创新中心,河北 唐山 063305

高压电机滚动轴承 马尔可夫变迁场 卷积神经网络 一维振动信号

2024

纯碱工业
大连化工研究设计院 中国纯碱工业协会

纯碱工业

影响因子：0.106
ISSN：1005-8370
年,卷(期)：2024.(6)