异步电机运行声音包含着许多重要信息，对声学特征有效提取可用于故障检测。据此，提出一种基于可听声信号的异步电机故障诊断方法。以异步电机为实验对象，利用Gammatone滤波器对一种正常工况和两种异常工况的声音信号提取了GFCC特征向量；最后采用卷积神经网络对可视化后的特征量进行分类识别。实验结果表明，相较于梅尔滤波器提取的两种特征量，GFCC具有更高的目标识别率。
科研之友
微信
新浪微博
Facebook
分享链接
