基于改进CNN的旋转设备转子振动故障预测仿真

摘要：

避免旋转设备停机维修造成的经济损失,提出基于改进CNN的旋转设备转子振动故障预测仿真.利用采集器、传感器、应用软件等设备构成信号采集系统,采集旋转设备转子的振动信号;利用小波阈值去噪算法确定小波基和分解层数,分解初始信号,去除低频噪声,重构分解后的信号;根据频带能量不同提取不同故障振动特征;建立卷积神经网络模型,确保每个卷积层均与下采样层连接,减少网络复杂度;将预处理后信号作为网络输入,确定学习率和激活函数,通过误差反向传播方式训练网络,优化参数;计算网络误差,当误差值满足设定阈值时停止更新,输出故障预测结果.仿真结果证明,所提方法可以获得清晰的振动信号波形,准确预测出转子可能产生的故障和故障类型,保障旋转设备运行安全.

关键词：卷积神经网络、旋转设备、转子振动信号、故障预测、小波阈值去噪

所属期刊栏目：40

分类号：TK263(蒸汽动力工程)

资助基金：国家自然科学基金71961029

在线出版日期：2023-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：533-537