將卷積神經(jīng)網(wǎng)絡(luò)（CNN）應(yīng)用于振動信號分析時,往往會出現(xiàn)由于一維信號轉(zhuǎn)化為二維特征導(dǎo)致的計算量巨大的問題,針對這一問題,對卷積神經(jīng)網(wǎng)絡(luò)輸入構(gòu)造及不同構(gòu)造方式對神經(jīng)網(wǎng)絡(luò)性能的影響進(jìn)行了研究。基于機泵振動信號分析特點,提出了一種新的將一維振動信號轉(zhuǎn)換為二維的特征快速構(gòu)造方法;基于特征快速構(gòu)造方法和卷積神經(jīng)網(wǎng)絡(luò),構(gòu)建了機泵故障智能識別模型;利用某石化現(xiàn)場軸承故障和不平衡故障數(shù)據(jù)對故障模型進(jìn)行了測試,并與其他信號轉(zhuǎn)化方法及故障識別模型進(jìn)行了對比。研究結(jié)果表明:不同故障類型模型均可以快速收斂,故障識別準(zhǔn)確率均達(dá)95%以上;在故障識別準(zhǔn)確率和訓(xùn)練效率方面,該模型較其他模型有著較顯著的優(yōu)勢。 

【文章來源】：機電工程. 2020,37(09)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)的組成結(jié)構(gòu)

故障識別模型

設(shè)備1二維特征集可視化

【參考文獻(xiàn)】：
期刊論文
[1]一種用于軸承故障診斷的二維卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化方法[J]. 肖雄,王健翔,張勇軍,郭強,宗勝悅.  中國電機工程學(xué)報. 2019(15)
[2]基于動態(tài)加權(quán)密集連接卷積網(wǎng)絡(luò)的變轉(zhuǎn)速行星齒輪箱故障診斷[J]. 熊鵬,湯寶平,鄧?yán)?趙明航.  機械工程學(xué)報. 2019(07)
[3]基于經(jīng)驗?zāi)B(tài)分解和深度卷積神經(jīng)網(wǎng)絡(luò)的行星齒輪箱故障診斷方法[J]. 胡蔦慶,陳徽鵬,程哲,張倫,張宇.  機械工程學(xué)報. 2019(07)
[4]基于短時傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠(yuǎn)韜.  振動與沖擊. 2018(19)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)和離散小波變換的滾動軸承故障診斷[J]. 陳仁祥,黃鑫,楊黎霞,湯寶平,余騰偉,周君.  振動工程學(xué)報. 2018(05)
[6]基于一維卷積神經(jīng)網(wǎng)絡(luò)的滾動軸承自適應(yīng)故障診斷算法[J]. 曲建嶺,余路,袁濤,田沿平,高峰.  儀器儀表學(xué)報. 2018(07)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的異步電機故障診斷[J]. 王麗華,謝陽陽,周子賢,張永宏,趙曉平.  振動.測試與診斷. 2017(06)

碩士論文
[1]基于二維隱馬爾科夫模型的離心泵故障診斷方法研究[D]. 柳長昕.東北電力大學(xué) 2009



本文編號：3530060