科研之友
微信
新浪微博
Facebook
分享链接
摘要
鉴于融合多传感器数据能够更全面的表征机械设备的运行状态信息，针对现有智能诊断模型需专家经验的特征提取、使用单一传感器数据无法获得设备状态完整信息等问题，提出了一种融合多源传感器数据与1D-CNN集成的转子故障诊断方法。通过分析数据特点，利用卷积神经网络强大的特征提取能力和良好的泛化性能，设计了1D-CNN故障诊断模型，同时采用一系列防止过拟合的策略，把实验台上采集的振动信号直接输入至1D-CNN进行模型训练，使用得到的模型对振动信号进行故障辨识。实验结果表明，该方法能够准确识别转子的工作状态，同时具有良好的鲁棒性和泛化能力。为学术研究提供了理论参考，且具有一定的工程实际应用推广价值。
-
单位自动化学院; 桂林航天工业学院
