论文摘要
针对目前复杂机械设备大多采用单特征值门限报警法,无法实现提前预警的现状,提出一种基于降噪自编码器(denoising autoencoder,DAE)的特征自学习方法,将高维监测数据编码成低维特征,作为设备运行状态的特征表示,通过度量待测样本编码特征与基准的距离实现故障预警。实验结果表明,本文方法能够区分正常样本特征与任意故障样本特征,并能降低变工况及环境噪声干扰的影响;工程应用案例表明,本文方法能够发现设备故障发生前的微弱征兆,实现提前预警。
论文目录
文章来源
类型: 期刊论文
作者: 马波,郑凡帆
关键词: 降噪自编码器,正常样本,故障征兆,故障预警
来源: 北京化工大学学报(自然科学版) 2019年05期
年度: 2019
分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技
专业: 机械工业,自动化技术
单位: 北京化工大学发动机健康监控及网络化教育部重点实验室,北京化工大学机电工程学院
基金: 国家质量基础的共性技术研究(2016YFF0203303)
分类号: TH17;TP277
DOI: 10.13543/j.bhxbzr.2019.05.008
页码: 53-59
总页数: 7
文件大小: 4394K
下载量: 141