-
题名基于参数优化SDP分析的转子故障诊断方法
被引量：4
- 1
-
-
作者
万周
何俊增
姜东
李坚
张大海
-
机构
东南大学机械工程学院
东南大学江苏省空天机械装备工程研究中心
南京林业大学机械电子工程学院
中国航空发动机集团有限公司湖南动力机械研究所
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第1期81-88,共8页
-
基金
国家两机重大专项基础研究项目(2017-I-0006-0007)
国家自然科学青年基金(52005100)
+5 种基金
江苏省自然科学青年基金(BK20190324)
装备预研领域基金(JZX7Y20200147100601)
上海航天科技创新基金(SAST2019-019)
中央高校基本科研业务费专项资金(3202002107D)
东南大学“至善青年学者”支持计划
江苏省研究生科研与实践创新计划项目(SJCX20_0025)。
-
文摘
针对存在多种故障类型不同故障严重程度的转子故障诊断问题,提出了一种基于参数优化对称点模式(symmetrized dot pattern,SDP)分析的智能诊断方法。首先,利用SDP分析提取多个传感器信号的故障特征并将其融合为SDP图像;然后,以基于欧氏距离定义的图像区分度函数为适应度函数,基于天牛须搜索(beetle antennae search,BAS)算法获得SDP分析中角域增益因子与时间延滞系数的最佳取值;最后,利用SDP图像训练卷积神经网络(convolutional neural network,CNN)获得转子故障诊断模型。试验研究表明,该方法相较于其他故障诊断方法具有更高的诊断精度,且在强噪声环境下的诊断表现良好。基于BAS算法优化后的SDP分析放大了不同类型不同严重程度转子故障的表征差异,提高了故障诊断精度。
-
关键词
转子
对称点模式(sdp)
天牛须搜索(BAS)算法
卷积神经网络(CNN)
故障诊断
-
Keywords
rotor
symmetrized dot pattern(sdp)
beetle antennae search(BAS)algorithm
convolutional neural network(CNN)
fault diagnosis
-
分类号
TH17
[机械工程—机械制造及自动化]
-
