發(fā)布時間：2021-02-09 02:02

　　為提高水電機組故障診斷精度,減少在振動信號特征選取過程中對專業(yè)經(jīng)驗的依賴,提出了一種融合變分模態(tài)分解和卷積神經(jīng)網(wǎng)絡(luò)的故障診斷方法。首先對水電機組振動信號進行變分模態(tài)分解得到若干分量,并利用這些分量構(gòu)造時間圖,然后搭建深度卷積神經(jīng)網(wǎng)絡(luò)對時間圖進行特征提取和故障識別,建立分量和故障狀態(tài)的映射關(guān)系。以實測水電機組軸向振動信號進行應(yīng)用檢驗,并采用多組對比試驗,結(jié)果表明該方法與其他方法相比故障識別準(zhǔn)確率更高。研究成果為水電機組智能故障診斷提供了新思路。 

【文章來源】：水電能源科學(xué). 2020,38(08)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 研究方法
    2.1 變分模態(tài)分解
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 基于VMD和CNN的水電機組故障診斷
3 實例分析
    3.1 VMD參數(shù)選取
    3.2 CNN模型建立
    3.3 結(jié)果分析
4 結(jié)論



本文編號：3024863