目的针对BP神经网络对转子故障诊断方法存在的局限性,提出一种融合Sugeno模糊积分和BP神经网络的转子故障轴心轨迹识别诊断方法。方法首先利用轴心轨迹图像的不变矩为特征向量,提取常见旋转机械转子故障特征,随后利用多个BP神经网络对故障类型进行识别,最终采用Sugeno模糊积分对BP神经网络识别结果进行决策,从而构建转子故障诊断模型,并应用于转子系统故障的诊断。结果通过机械故障仿真模拟实验平台采集了6种常见转子系统故障信号,利用matlab2012a软件编程建模仿真处理,试验表明,该模型有效地提高了转子系统多类别故障的识别正确率。同时,该方法对同一故障类型识别所需样本少,大大节省了数据获取和处理的时间。结论该方法提出并用于转子系统故障诊断中,诊断准确性高,可靠性强,利用样本数据量少,节约时间,对小样本数据的故障诊断有着良好的效果。
类型: 期刊论文
作者: 田富国,汪庆华,贾康,邓东花
关键词: 神经网络,模糊积分,转子系统,轴心轨迹,故障诊断
来源: 装备环境工程 2019年10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: 西安工业大学机电工程学院,中国石油天然气管道工程有限公司仪表自动化室
分类号: TP183;TH133
页码: 110-114
总页数: 5
文件大小: 2162K
下载量: 79
本文来源: https://www.lunwen90.cn/article/d251ec31f39002b91b2ea12f.html