基于一维卷积神经网络的机电作动器故障诊断

作     者：李世晓 杜锦华 龙云 Li Shixiao;Du Jinhua;Long Yun

作者机构：电力设备电气绝缘国家重点实验室(西安交通大学)西安710049 

基　　金：国家自然科学基金项目(51877172) 中央高校基本科研业务费专项资金项目(1191329824) 陕西省自然科学基础研究计划青年项目(2019JQ-458)资助 

出 版 物：《电工技术学报》 (Transactions of China Electrotechnical Society)

年 卷 期：2022年第37卷第S1期

页      码：62-73页

摘      要：针对机电作动器的传统故障诊断方法依赖于人工特征提取和工程经验的问题,该文提出一种基于一维卷积神经网络(1DCNN)的智能故障诊断方法。相较于传统故障诊断算法中特征提取和分类的分开处理,该方法将两者合二为一、共同进行。首先,利用重叠采样对直驱型机电作动器的正常信号和故障信号进行预处理来获取数据样本;然后将样本输入到设计的一维卷积神经网络模型中,通过多层数据变换得到有效的特征表示,从而建立原始数据端与运行状态端之间的映射关系,实现机电作动器端到端的故障诊断。实验结果表明,该方法可以有效地诊断出机电作动器的故障,且故障识别率可以达到98%左右。另外,该方法在不同白噪声下仍可以保持较高的故障识别率,具有比较好的鲁棒性和泛化能力。

主 题 词：直驱型机电作动器 一维卷积神经网络 故障诊断 深度学习 

学科分类：080801[080801] 0808[工学-自动化类] 08[工学] 081101[081101] 0811[工学-水利类] 081102[081102] 

核心收录：

D　O　I：10.19595/j.cnki.1000-6753.tces.L90390

馆 藏 号：203113515...