| 变分模态分解与深度信念网络的双转子不对中程度识别 |
| |
| 引用本文： | 张帆宇,杨大炼,李学军,苗晶晶,张宏献.变分模态分解与深度信念网络的双转子不对中程度识别[J].机械科学与技术(西安),2020,39(5):773-779. |
| |
| 作者姓名： | 张帆宇 杨大炼 李学军 苗晶晶 张宏献 |
| |
| 作者单位： | 湖南科技大学湖南省机械设备健康维护重点实验室,湖南湘潭411201;湖南科技大学湖南省机械设备健康维护重点实验室,湖南湘潭411201;湖南科技大学先进矿山装备教育部工程研究中心,湖南湘潭411201;湖南科技大学湖南省机械设备健康维护重点实验室,湖南湘潭411201;佛山科学技术学院机电工程学院,广东佛山528225 |
| |
| 基金项目： | 国家自然科学基金;湖南省自然科学基金 |
| |
| 摘 要： | 准确识别不对中严重程度是保障航空发动机双转子系统安全稳定运行的重要途径。但不对中程度信息微弱,现有方法难以对其准确识别,为此本文提出了基于变分模态分解与深度信念网络的双转子不对中程度识别方法。实验采集了3种不对中程度下的振动加速度信号,首先采用变分模态分解将振动信号分解;其次对模态函数进行分析,根据互信息理论确定VMD的分解层数,重构模态信号作为特征输入向量,并用于深度信念网络分类模型训练。通过与VMD+BP、VMD+SVM、原始信号+DBN模型的识别率进行对比分析,结果表明,本文提出的VMD+DBN模型提高了双转子不对中程度的识别准确度,验证了该方法的有效性。
|
| 关 键 词： | 双转子不对中 变分模态分解 深度信念网络 程度识别 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
