基于深度卷积神经网络的机电系统故障分类识别方法

作者：毛向向; 王红军^*; 韩凤霞; 王楠; 陈晓; 杨伟

来源：电子测量与仪器学报, 2021, 35(02): 87-93.

DOI：10.13382/j.jemi.B2003659

• 机电系统
• 深度学习
• 卷积神经网络
• 故障诊断

随着高端装备在工业领域的广泛应用,其运行状态对装备的安全性和产品的性能影响重大,突发故障往往造成巨大的人民生命财产的巨大损失并影响社会的安全稳定。机电系统多处于变转速工作状态,其状态特征信息难以获取,为机电系统的故障诊断和预测带来困难。针对此问题,提出了深度学习的机电系统故障分类识别诊断模型。首先将采集到的关键部位的振动信号进行时频变换转换为时频图构成输入样本;其次将样本输入深度学习神经网络进行特征学习和状态识别;研究了不同变换与深度学习卷积神经网络相结合的方法,应用于某机电系统试验台进行故障状态分类性能对比,实验结果表明该方法为机电系统的故障诊断提供了一种新途径。

• 单位
  北京信息科技大学; 机电工程学院