10.13433/j.cnki.1003-8728.20190189
变分模态分解与深度信念网络的双转子不对中程度识别
准确识别不对中严重程度是保障航空发动机双转子系统安全稳定运行的重要途径.但不对中程度信息微弱,现有方法难以对其准确识别,为此本文提出了基于变分模态分解与深度信念网络的双转子不对中程度识别方法.实验采集了3种不对中程度下的振动加速度信号,首先采用变分模态分解将振动信号分解;其次对模态函数进行分析,根据互信息理论确定VMD的分解层数,重构模态信号作为特征输入向量,并用于深度信念网络分类模型训练.通过与VMD+ BP、VMD+SVM、原始信号+DBN模型的识别率进行对比分析,结果表明,本文提出的VMD+DBN模型提高了双转子不对中程度的识别准确度,验证了该方法的有效性.
双转子不对中、变分模态分解、深度信念网络、程度识别
39
TH17
国家自然科学基金项目;湖南省自然科学基金项目
2020-07-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
773-779