10.3969/j.issn.2095-509X.2018.09.017
基于原始振动信号的往复压缩机 卷积神经网络故障诊断
往复压缩机振动信号特性复杂,传统特征提取方法难以有效提取故障特征,从而影响故障诊断效果.提出了基于原始振动信号卷积神经网络(RVCNN)的方法,将采集的一维原始振动信号作为输入,充分利用卷积神经网络(CNN)自动提取信号特征的特性,对往复压缩机故障进行特征提取及诊断.使用从试验台获得的压缩机气阀故障数据样本进行测试,结果表明,与传统方法相比,RVCNN方法具有更高的故障识别率和更好的抗噪性能.
原始振动信号、往复压缩机、故障诊断、卷积神经网络
47
TH45;TP206+.3(气体压缩与输送机械)
上海开放大学2018年度学科研究课题KX1805;上海市智能制造及机器人重点实验室开放课题ZK1801;国家自然科学基金资助项目51575331
2018-10-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
67-70