基于原始振动信号的往复压缩机卷积神经网络故障诊断

	基于原始振动信号的往复压缩机卷积神经网络故障诊断
	杨洪柏 1,2; 聂昂 2; 张江安 3; 张宏利 2; 刘树林 2
	2018-09-15
发表期刊	机械设计与制造工程
ISSN	2095-509X
卷号	47 期号:09 页码:67-70
摘要	往复压缩机振动信号特性复杂,传统特征提取方法难以有效提取故障特征,从而影响故障诊断效果。提出了基于原始振动信号卷积神经网络(RVCNN)的方法,将采集的一维原始振动信号作为输入,充分利用卷积神经网络(CNN)自动提取信号特征的特性,对往复压缩机故障进行特征提取及诊断。使用从试验台获得的压缩机气阀故障数据样本进行测试,结果表明,与传统方法相比,RVCNN方法具有更高的故障识别率和更好的抗噪性能。
关键词	原始振动信号往复压缩机故障诊断卷积神经网络
URL	查看原文
语种	中文
资助项目	上海开放大学2018年度学科研究课题(KX1805);上海市智能制造及机器人重点实验室开放课题(ZK1801);国家自然科学基金资助项目(51575331)
原始文献类型	学术期刊
文献类型	期刊论文
条目标识符	http://ir.library.ouchn.edu.cn/handle/39V7QQFX/138850
专题	国家开放大学上海分部
作者单位	1.上海开放大学理工学院; 2.上海大学机械工程与自动化学院; 3.上海工程技术大学高职学院
第一作者单位	国家开放大学上海分部
第一作者的第一单位	国家开放大学上海分部
推荐引用方式 GB/T 7714	杨洪柏,聂昂,张江安,等. 基于原始振动信号的往复压缩机卷积神经网络故障诊断[J]. 机械设计与制造工程,2018,47(09):67-70.
APA	杨洪柏,聂昂,张江安,张宏利,&刘树林.(2018).基于原始振动信号的往复压缩机卷积神经网络故障诊断.机械设计与制造工程,47(09),67-70.
MLA	杨洪柏,et al."基于原始振动信号的往复压缩机卷积神经网络故障诊断".机械设计与制造工程 47.09(2018):67-70.