10.3969/j.issn.1001-3881.2020.16.038
基于优化CNN的航空液压管路卡箍故障诊断
针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、 非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法.基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别.并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断.
液压管路卡箍、故障诊断、优化变分模态分解、卷积神经网络
48
TH212(起重机械与运输机械)
国家自然科学基金 51775257
2020-09-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
188-194