基于SAE-CNN局部异常因子的摆弹机构故障诊断方法

摘要：

为适应火炮装备健康状态智能识别技术的发展需求,设计火炮摆弹机构故障诊断实验.利用加速度传感器采集摆弹机构正常状态、滚轮裂纹状态和压板损伤状态下的振动信号,并将原始时域振动信号经傅里叶变换为频域数据,作为诊断模型的输入.传统故障诊断方法不能隔离训练数据中不存在的类型,为解决这一问题,利用堆栈自编码器无监督学习和卷积神经网络局部连接的优势,构建基于SAE-CNN的深度学习模型,以提取辨识性特征,结合Softmax函数和局部异常因子算法建立摆弹机构的故障诊断模型.通过两组实验数据进行对比验证,验证得出,所提出的基于SAE-CNN局部异常因子方法不仅能够诊断摆弹机构已存在的故障类型,也能识别出新出现的故障类型.此次研究说明基于SAE-CNN局部异常因子的摆弹机故障诊断的方法在实际应用中具有参考价值.

关键词：卷积神经网络、堆栈自编码器、局部异常因子、摆弹机构、故障诊断

所属期刊栏目：36

分类号：TP23;TH165.3(自动化技术及设备)

在线出版日期：2023-03-21（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：12-16