基于原始振动信号的往复压缩机卷积神经网络故障诊断 |
| |
作者姓名: | 杨洪柏 聂昂 张江安 张宏利 刘树林 |
| |
作者单位: | 上海开放大学理工学院;上海大学机械工程与自动化学院;上海工程技术大学高职学院 |
| |
摘 要: | 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。
|
本文献已被 CNKI 等数据库收录! |
|