科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对人工点检层冷辊电机存在过度维修和故障漏报的问题，本文提出一种基于多电流特征形态组合模式挖掘的故障诊断方法 .该方法选取与故障相关的六种关键电流特征，计算各特征的上下分位数形成边界，采用Bayes-L-BFGS(Bayes Limited-memory Broyden-Fletcher-Goldfarb-Shanno)算法自动拟合出各特征的边界形态；针对形态样本少的问题，本文提出一种用于形态识别的SCNN(SpetialConvolutional Neural Network)-Transformer模型.通过训练Siamese-CNN准确识别边界形态，并训练Transformer识别边界时序关系与形态变化程度，融合两个模型的识别结果确定边界形态类型；以边界形态类型作为基因片段，采用遗传算法挖掘出不同故障对应的多电流特征形态组合模式，形成用于故障类型匹配的形态组合模式库.在某钢厂层冷辊电机上对本文方法进行在线验证，准确率超过90%，无关键故障漏报与误报.
- 单位
