自动特征提取在机械系统智能状态监测中起着至关重要的作用,可以自适应地从原始数据中学习特征并发现新的状态敏感特征。本文重点研究了不同深度的卷积神经网络(CNN)模型在没有先验知识的情况下从激励响应信号中挖掘代表信息和敏感特征的能力,并将螺栓连接结构的特征提取和装配紧度分类过程融合在一起。通过车架试验台螺栓连接转子激振实验数据验证该方法的有效性。结果表明,CNN方法自适应学习的特征可以表示信号与装配状态之间的复杂映射关系,并且比其他方法具有更高的准确率。
科研之友
微信
新浪微博
Facebook
分享链接
