基于参数优化SDP分析的转子故障诊断方法

摘要：

针对存在多种故障类型不同故障严重程度的转子故障诊断问题,提出了一种基于参数优化对称点模式(symmetrized dot pattern,SDP)分析的智能诊断方法.首先,利用SDP分析提取多个传感器信号的故障特征并将其融合为SDP图像;然后,以基于欧氏距离定义的图像区分度函数为适应度函数,基于天牛须搜索(beetle antennae search,BAS)算法获得SDP分析中角域增益因子与时间延滞系数的最佳取值;最后,利用SDP图像训练卷积神经网络(convolutional neural network,CNN)获得转子故障诊断模型.试验研究表明,该方法相较于其他故障诊断方法具有更高的诊断精度,且在强噪声环境下的诊断表现良好.基于BAS算法优化后的SDP分析放大了不同类型不同严重程度转子故障的表征差异,提高了故障诊断精度.

关键词：转子、对称点模式(SDP)、天牛须搜索(BAS)算法、卷积神经网络(CNN)、故障诊断

所属期刊栏目：42

分类号：TH17

资助基金：国家两机重大专项基础研究项目;国家自然科学基金;江苏省自然科学青年基金项目;装备预研领域基金;上海航天科技创新基金;中央高校基本科研业务费专项;东南大学至善青年学者支持计划;江苏省研究生科研与实践创新计划项目

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：81-88