基于卷积神经网络多传感器油液系统故障诊断

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对单个传感器无法提供掘进机油液系统在长期运行过程中数据互补性和多维性的问题，提出了基于卷积神经网络(CNN)的掘进机多传感器油液系统故障诊断方法。首先，油液监测方法是通过润滑油的理化性能指标和油液携带的磨粒信息反应油液的性能和状态，可以直接从油液数据中学习最好的特征，不需要任何形式的转换以及特征提取。其次，结合多个传感器采集到的数据作为CNN的输入来对油液系统进行故障诊断。最后，将提出的方法与其它机器学习方法在故障状态分类准确性方面进行比较，通过实验验证得到所提出方法的诊断精度高于其它方法，从而实现了高效诊断性能。

外文标题：Fault Diagnosis of Multi-Sensor Oil System of Roadheader Based on Convolution Neural Network

外文摘要：Aiming at the problem that a single sensor cannot provide the data complementarity and multidimen-sional of the tunneling machine oil system in the long-term operation process,a fault diagnosis method of the tunne-ling machine multi-sensor oil system based on convolutional neural networks(CNN)is proposed.Firstly,the oil mo-nitoring method reflects the performance and state of the oil through the physical and chemical performance indicators of the lubricating oil and the wear particle information carried by the oil.It can directly learn the best features from the oil data without any form of conversion and feature extraction.Secondly,the data collected by multiple sensors are used as the input of CNN to diagnose the fault of the oil system.Finally,the proposed method is compared with other machine learning methods in the accuracy of fault state classification.The experimental results indicate that the diag-nostic accuracy of the proposed method is higher than that of other methods,thus achieving efficient diagnostic per-formance.

外文关键词：

Fault diagnosisOil systemCNNMulti-sensor fusion

作者：

郭铸锋、曾建潮、张晓红、秦彦凯

展开 >

作者单位：

太原科技大学电子信息工程学院,山西太原 030024

太原科技大学工业与系统工程研究所,山西太原 030024

中北大学大数据与视觉计算研究所,山西太原 030051

太原科技大学经济与管理学院,山西太原 030024

中国煤炭科工集团太原研究院有限公司,山西太原 030006

展开 >

关键词：

故障诊断油液系统卷积神经网络多传感器融合

基金：

山西省基础研究计划项目国家自然科学基金项目山西省自然科学基金项目山西省自然科学基金项目山西省回国留学人员科研资助项目太原科技大学研究生联合培养示范基地山西省高等学校科技创新项目

项目编号：

20210302124680720711832022030212111942022030212222142022-161JD20220082022L306

出版年：

2024

计算机仿真

中国航天科工集团公司第十七研究所

计算机仿真

CSTPCD

影响因子：0.518

ISSN：1006-9348

年,卷(期)：2024.41(7)

参考文献量9