首页 | 本学科首页   官方微博 | 高级检索  
     

基于优化CNN的航空液压管路卡箍故障诊断
引用本文:窦金鑫,薛政坤,于晓光,范玉鑫,刘忠鑫,杨同光.基于优化CNN的航空液压管路卡箍故障诊断[J].机床与液压,2020,48(16):188-194.
作者姓名:窦金鑫  薛政坤  于晓光  范玉鑫  刘忠鑫  杨同光
作者单位:辽宁科技大学机械工程与自动化学院,辽宁鞍山114051;上海对外经贸大学会展与旅游学院, 上海201620
基金项目:国家自然科学基金(51775257)
摘    要:针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。

关 键 词:液压管路卡箍  故障诊断  优化变分模态分解  卷积神经网络

Fault Diagnosis of Air Hydraulic Pipe Clamp Based on Optimize CNN
DOU Jinxin,XUE Zhengkun,YU Xiaoguang,FAN Yuxin,LIU Zhongxin,YANG Tongguang.Fault Diagnosis of Air Hydraulic Pipe Clamp Based on Optimize CNN[J].Machine Tool & Hydraulics,2020,48(16):188-194.
Authors:DOU Jinxin  XUE Zhengkun  YU Xiaoguang  FAN Yuxin  LIU Zhongxin  YANG Tongguang
Abstract:
Keywords:Hydraulic pipeline clamp  Fault diagnosis  Optimized variational mode decomposition  Convolutional neural network
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《机床与液压》浏览原始摘要信息
点击此处可从《机床与液压》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号