針對(duì)傳統(tǒng)故障診斷方法對(duì)旋轉(zhuǎn)機(jī)械轉(zhuǎn)子故障狀態(tài)識(shí)別精度較低的問(wèn)題,提出了一種基于對(duì)稱點(diǎn)模式圖像特征信息融合與深度學(xué)習(xí)相結(jié)合的旋轉(zhuǎn)機(jī)械轉(zhuǎn)子故障診斷方法。采用SDP信息融合技術(shù),對(duì)轉(zhuǎn)子故障狀態(tài)下的多通道振動(dòng)信號(hào)進(jìn)行了信息融合,通過(guò)SDP圖形特征可簡(jiǎn)單直觀地區(qū)分不同轉(zhuǎn)子故障振動(dòng)狀態(tài);結(jié)合深度學(xué)習(xí)VGG網(wǎng)絡(luò)自適應(yīng)提取了SDP圖像的特征信息,對(duì)不同故障轉(zhuǎn)化的SDP圖像實(shí)現(xiàn)了準(zhǔn)確的診斷識(shí)別,進(jìn)而判別了其故障類型;通過(guò)變速器機(jī)械故障模擬實(shí)驗(yàn)驗(yàn)證了所提出方法的有效性,并與傳統(tǒng)機(jī)器學(xué)習(xí)方法極限學(xué)習(xí)機(jī)(ELM)進(jìn)行了比較。研究結(jié)果表明:基于SDP圖像與VGG網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械轉(zhuǎn)子故障診斷方法解決了轉(zhuǎn)子故障振動(dòng)信號(hào)中存在的高復(fù)雜、非線性和不穩(wěn)定問(wèn)題,與傳統(tǒng)機(jī)器學(xué)習(xí)方法ELM相比具有更高的識(shí)別精度。
【部分圖文】：

點(diǎn)xi轉(zhuǎn)化后的示意圖如圖1所示。圖1中,θl=0°,xi轉(zhuǎn)化為極坐標(biāo)半徑r(i)。θ(i)與φ(i)是關(guān)于鏡像對(duì)稱面θl的兩個(gè)偏轉(zhuǎn)角,θ(i)=φ(i)。xi經(jīng)過(guò)兩次轉(zhuǎn)換,表示在圖中兩個(gè)黑色圓點(diǎn)的位置。

以正弦信號(hào)sin(x)為例,采樣頻率1 kHz,采樣點(diǎn)2 000,參數(shù)設(shè)定為θl=60°,ζ=30°,a=5。6組正弦信號(hào)的特征被融合在一個(gè)SDP圖像中得到表達(dá),如圖2所示。由以上分析可得,SDP圖像轉(zhuǎn)換方法可以實(shí)現(xiàn)多組信號(hào)的融合,每個(gè)鏡像對(duì)稱面均可以表達(dá)一組信號(hào)的特征信息。將故障設(shè)備多個(gè)方向的振動(dòng)信號(hào)進(jìn)行融合表達(dá),可以更加全面地展示機(jī)械設(shè)備的振動(dòng)信息,為故障診斷提供方便。

Spectra Quest變速器機(jī)械故障模擬實(shí)驗(yàn)臺(tái)
【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 楊樂(lè);;基于奇異值差分譜和SDP圖像相關(guān)分析的故障診斷方法[J];機(jī)械設(shè)計(jì)與研究;2017年04期

2 許小剛;王松嶺;劉海嘯;;基于SDP與圖像匹配的離心風(fēng)機(jī)失速實(shí)時(shí)檢測(cè)[J];動(dòng)力工程學(xué)報(bào);2015年11期

3 劉堅(jiān);;基于SDP圖像特征和ANNC的液壓泵故障診斷[J];機(jī)械強(qiáng)度;2018年06期

本文編號(hào)：2845681