10.11835/j.issn.1000-582X.2021.08
基于多源信息融合和ADCNN的离心鼓风机故障诊断
针对离心鼓风机故障识别过程中单一传感器信号故障信息有限,传统的卷积神经网络(CNN)在处理多源高维数据时特征提取能力不足的问题,提出一种基于多源信息融合和自适应深度卷积神经网络(ADCNN)的离心鼓风机故障诊断方法.首先,基于相关性方差贡献率法实现离心鼓风机多源同类信息的数据层融合,建立多源信息融合框架;然后,利用ADCNN自适应地提取各异类信息的特征并完成特征融合,建立融合多源信息的ADCNN故障诊断模型;最后,将此方法应用于离心鼓风机转子故障诊断上,并与传统的融合模式以及CNN、反向传播神经网络(BPNN)、支持向量机(SVM)方法进行对比,试验结果表明:提出的方法在诊断精度与鲁棒性上均优于其他方法.
故障诊断、多源信息融合、自适应深度卷积神经网络、离心鼓风机
45
TH17
国家自然科学基金;重庆市技术创新与应用示范专项资助项目
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共11页
86-96