為了在鉆桿故障早期診斷出鉆桿的故障類型,提出一種基于一維卷積神經(jīng)網(wǎng)絡(luò)的鉆桿故障診斷模型,對模型的結(jié)構(gòu)和參數(shù)進行詳細地設(shè)計與分析.參考現(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)模型,結(jié)合鉆桿的工作特性以及感受野的原理,設(shè)計模型的卷積層和池化層的層數(shù)、卷積核的大小以及滑動步長.該模型省去了對故障信號特征提取的過程,比先前的鉆桿故障診斷有更高的診斷準確率.該模型在不同轉(zhuǎn)速工況下和不同土質(zhì)工況下均具有較強的適應(yīng)性和抗噪能力. 

【文章來源】：浙江大學學報(工學版). 2020,54(03)北大核心EICSCD

【文章頁數(shù)】：8 頁

【參考文獻】：
期刊論文
[1]基于長短期記憶網(wǎng)絡(luò)的軸承故障識別[J]. 唐賽,何荇兮,張家悅,尹愛軍.  汽車工程學報. 2018(04)

碩士論文
[1]基于EMD原理與BP神經(jīng)網(wǎng)絡(luò)的旋挖鉆機鉆桿故障識別方法[D]. 杜振.浙江大學 2018
[2]基于小波變換與SVM的鉆桿故障診斷[D]. 張少奇.浙江大學 2018
[3]旋挖鉆機鉆桿失效研究[D]. 張震.長安大學 2011



本文編號：3131012