深度学习方法在旋转机械故障诊断中得到广泛应用，但现有的方法很少考虑数据和模型不确定性对诊断结果的影响，以致于实际应用中模型的泛化能力不足，精度无法保证。本文基于Dropout的近似变分推理与深度算子神经网络（DeepONet）模型无缝对接，提出一种基于不确定性下贝叶斯DeepONet模型的旋转机械故障预警新模型。使用大型压缩机案例，进行了方法验证，结果表明：考虑数据和模型的不确定性，所提方法具有非常高的准确性，实现对机组运行状态的实时监测和精准预警。
科研之友
微信
新浪微博
Facebook
分享链接
