10.16385/j.cnki.issn.1004-4523.2019.06.019
AE声谱图特征的转子碰摩故障识别方法研究
提出了一种基于时频分析的声发射信号特征参数分析方法——AE声谱图特征分析方法.它不仅能提高AE识别的有效数据量,同时利用声谱图作为表征转子运行状态的特征图,能从时间、频率和能量强度等多个角度显示 AE信号的细节变化,进而有效描述 AE信号蕴含的故障特征,对实现旋转机械的故障诊断具有重要意义.利用提出的 AE声谱图特征构建了一个基于深度卷积神经网络的碰摩故障识别系统.实验结果表明,AE声谱图特征和CNN网络相结合,能有效提高转子碰摩 AE信号的识别性能.
故障诊断、声发射(AE)信号、深度学习、碰摩故障、卷积神经网络
32
TH165+.3;TH132.1
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
1094-1103