基于深度卷积网络的裂纹转子耦合故障检测方法

发布时间：2023-04-18 19:12

　　针对传统裂纹转子故障检测方法精度低、适应能力差、严重依赖人工经验的缺点,提出了一种基于深度卷积神经网络的耦合故障检测方法,实现对转子多种耦合故障的自动端到端检测;结合准确的裂纹转子数值模型对方法进行验证,在算例中同时考虑了裂纹位置、裂纹深度和不平衡量3种故障检测任务,检测精度分别为0.899、0.923、0.997,显著高于其它机器学习方法。同时讨论了转速工况和学习样本对神经网络检测性能的影响。建立的方法摆脱了传统机理方法对信号处理技巧的依赖,可以实现可测振动信号到多种故障特征的直接映射,同时检测精度高,具备自动适应变工况的能力。

【文章页数】：6 页

【文章目录】：
0 前 言
1 转子裂纹故障模拟及检测方法
    1.1 裂纹转子稳态响应求解
    1.2 耦合故障检测神经网络
    1.3 故障检测性能评价指标
2 转子故障检测算例
    2.1 转子物理模型
    2.2 稳态振动信号
    2.3 卷积网络设计及训练
    2.4 故障检测结果分析
    2.5 检测方法的适应性和稳定性
3 研究结论



本文编号：3792855