《机电工程》杂志,月刊( 详细... )
中国标准连续出版物号: ISSN 1001-4551 CN 33-1088/TH
主办单位:浙江省机电集团有限公司
浙江大学
主编:陈 晓
副 主 编:唐任仲、罗向阳(执行主编)
总 经 理:罗向阳
出 版:浙江《机电工程》杂志社有限公司
地 址:杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel:+86-571-87041360、87239525
E-mail:meem_contribute@163.com
国外发行:中国国际图书贸易总公司
订阅:全国各地邮局 国外代号:M3135
国内发行:浙江省报刊发行局
邮发代号:32-68
广告发布登记证:杭上市管广发G-001号
在线杂志 |
当前位置: 机电工程 >>在线杂志 |
基于特征快速构造与卷积神经网络的机泵故障识别研究
作者:焦瀚晖1,胡明辉1,2*,王星.... 日期:2020-11-18/span> 浏览:1436 查看PDF文档
基于特征快速构造与卷积神经网络的机泵故障识别研究*
焦瀚晖1,胡明辉1,2*,王星3,冯坤2,石保虎3
(1.北京化工大学 发动机健康监控及网络化教育部重点实验室,北京 100029;
2.北京化工大学 高端机械装备健康监控与自愈化北京市重点实验室,北京 100029;
3.中国石化销售股份有限公司华南分公司,广东 广州 510180)
摘要:将卷积神经网络(CNN)应用于振动信号分析时,往往会出现由于一维信号转化为二维特征导致的计算量巨大的问题,针对这一问题,对卷积神经网络输入构造及不同构造方式对神经网络性能的影响进行了研究。基于机泵振动信号分析特点,提出了一种新的将一维振动信号转换为二维的特征快速构造方法;基于特征快速构造方法和卷积神经网络,构建了机泵故障智能识别模型;利用某石化现场轴承故障和不平衡故障数据对故障模型进行了测试,并与其他信号转化方法及故障识别模型进行了对比。研究结果表明:不同故障类型模型均可以快速收敛,故障识别准确率均达95%以上;在故障识别准确率和训练效率方面,该模型较其他模型有着较显著的优势。
关键词:卷积神经网络;特征快速构造;振动信号分析;故障诊断;机泵故障
中图分类号:TH311;TH113.1;TP183 文献标识码:A 文章编号:1001-4551(2020)09-1063-06
本文引用格式:
焦瀚晖,胡明辉,王星,等.基于特征快速构造与卷积神经网络的机泵故障识别研究[J].机电工程,2020,37(9):1063-1068.
JIAO Han-hui, HU Ming-hui, WANG Xing, et al. Fault recognition of pump failure based on feature fast construction and CNN[J].Journal of Mechanical & Electrical Engineering, 2020,37(9):1063-1068.《机电工程》杂志:http://www.meem.com.cn
友情链接