噪声与振动控制

噪声与振动控制 ›› 2023, Vol. 43 ›› Issue (1): 105-109.

• 信号处理与故障诊断 • 上一篇    下一篇

声学成像和深度学习的诊断与定位方法

冀科伟1，杜应军2，韦广2，郝旺身1   

  1. （ 1. 郑州大学机械与动力工程学院，郑州450001；
    2. 叶县国博大石崖风力发电有限公司，河南平顶山467200 ）
  • 收稿日期:2021-10-08 修回日期:2022-03-09 出版日期:2023-02-18 发布日期:2023-02-18

Diagnosis and Location Method of Acoustic Imaging and Deep Learning

  • Received:2021-10-08 Revised:2022-03-09 Online:2023-02-18 Published:2023-02-18

PDF

摘要： 针对传统的基于振动信号的故障诊断技术无法兼顾定位与诊断的问题，提出一种基于声音信号的反卷积成像和深度学习的智能故障诊断与定位模型，该模型在传统波束形成算法的基础上，引入反卷积成像算法确定噪声源位置；同时，使用深度学习对声音信号进行训练分类从而判断故障类型，可兼顾噪声源识别定位以及故障检测的特点，拓展声像识别的应用场景，并进一步推动故障诊断技术在多领域交叉发展。实验结果表明，与传统的基于振动信号的故障诊断方法对比，该方法在设备故障诊断方面的故障识别率达到97.22 %，并能够准确识别故障所在位置。

关键词: 故障诊断, 噪声源定位, 声学反卷积算法, 深度学习, 卷积神经网络

Abstract: