|
|
1.
基于SDP图像和深度卷积网络的发动机故障诊断
王运生, 王黎明
噪声与振动控制
2023, 43 (5):
175-180.
为提高发动机故障诊断精度，提出一种基于对称极坐标（Symmetrized Dot Pattern，SDP）图像和深度卷积网络（Deep Convolutional Neural Network，CNN）的发动机故障诊断新方法。该方法以SDP变换为基础，将发动机故障振动信号转换为SDP图像，而后将SDP图像作为CNN的输入，实现发动机故障的CNN自适应特征提取和诊断。进行发动机典型故障实验，并利用所提方法进行故障诊断，结果表明，根据SDP图像可以直观地对发动机典型故障进行区分且耗时较少，而根据CNN网络可以有效地对SDP图像进行识别，诊断精度达到99.14 %，相比于其他几种方法，诊断精度和计算效率均得到提升。
相关文章 |
多维度评价
|
|
