降噪自编码器在机械设备故障预警中的应用

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

• 引 言
• 1 理论背景
•   1.1 降噪自动编码器
•   1.2 JS散度
• 2 模拟实验
•   2.1 数据分析
•   2.2 模拟及结果分析
• 3 工程应用验证
•   3.1 工程现场数据简介
•   3.2 故障预警方法
•     （1）数据预处理
•     （2）特征自学习模型构建
•     （3）报警阈值计算
•     （4）故障预警
•   3.3 验证结果与分析
• 4 结论

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