| 基于参数优化SDP分析的转子故障诊断方法 |
| |
| 引用本文： | 万周,何俊增,姜东,李坚,张大海.基于参数优化SDP分析的转子故障诊断方法[J].振动与冲击,2023(1):81-88. |
| |
| 作者姓名： | 万周 何俊增 姜东 李坚 张大海 |
| |
| 作者单位： | 1. 东南大学机械工程学院;2. 东南大学江苏省空天机械装备工程研究中心;3. 南京林业大学机械电子工程学院;4. 中国航空发动机集团有限公司湖南动力机械研究所 |
| |
| 基金项目： | 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)；;江苏省自然科学青年基金(BK20190324)；;装备预研领域基金(JZX7Y20200147100601)；;中央高校基本科研业务费专项资金(3202002107D)；;江苏省研究生科研与实践创新计划项目(SJCX20_0025)； |
| |
| 摘 要： | 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 |
|
|
