基于SAE-CNN局部异常因子的摆弹机构故障诊断方法

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：为适应火炮装备健康状态智能识别技术的发展需求,设计火炮摆弹机构故障诊断实验.利用加速度传感器采集摆弹机构正常状态、滚轮裂纹状态和压板损伤状态下的振动信号,并将原始时域振动信号经傅里叶变换为频域数据,作为诊断模型的输入.传统故障诊断方法不能隔离训练数据中不存在的类型,为解决这一问题,利用堆栈自编码器无监督学习和卷积神经网络局部连接的优势,构建基于SAE-CNN的深度学习模型,以提取辨识性特征,结合Softmax函数和局部异常因子算法建立摆弹机构的故障诊断模型.通过两组实验数据进行对比验证,验证得出,所提出的基于SAE-CNN局部异常因子方法不仅能够诊断摆弹机构已存在的故障类型,也能识别出新出现的故障类型.此次研究说明基于SAE-CNN局部异常因子的摆弹机故障诊断的方法在实际应用中具有参考价值.

外文标题：Fault Diagnosis Method of Ammunition Swing Mechanism based on SAE-CNN

作者：

金永明

展开 >

作者单位：

海军装备部驻上海地区第一军事代表室,上海 201913

关键词：

卷积神经网络堆栈自编码器局部异常因子摆弹机构故障诊断

出版年：

2023

DOI：

10.16576/j.ISSN.1007-4414.2023.01.004