基于卷积神经网络的异步电机故障诊断!-振动、测试与诊断.PDFVIP

下载本文档

58
0
约4.15万字
约 9页
2018-03-12 发布于天津
举报
版权申诉

基于卷积神经网络的异步电机故障诊断!-振动、测试与诊断.PDF

1、本文档共9页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于卷积神经网络的异步电机故障诊断!-振动、测试与诊断

第卷第期振动测试与诊断年月基于卷积神经网络的异步电机故障诊断王丽华谢阳阳周子贤张永宏赵晓平南京信息工程大学信息与控制学院南京南京信息工程大学计算机与软件学院南京摘要由于电机内部结构的复杂性使得其故障特征与故障类型之间存在较强的非线性关系目前用于异步电机故障诊断的方法都是人工手动提取特征这需要大量的先验知识丰富的信号处理理论和实际经验作为支撑诊断效率不高同时用于模式识别时的样本量过少会导致网络过拟合等问题针对以上问题提出了基于短时傅里叶变换简称和卷积神经网络简称的电机故障诊断方法该方法以单一振动信号为监测信号使用将故障信号转换成时频谱图构建大量不同故障样本以确保样本多样性提高网络鲁棒性将预处理后的样本作为的输入有监督地调整网络参数以实现准确的电机故障诊断将所提出的算法分别与传统的电机故障诊断方法及堆叠降噪自编码进行比较分析试验结果表明该方法能够更有效地进行电机故障诊断关键词电机振动信号短时傅里叶变换卷积神经网络中图分类号先后提出了和扩展矢量方法两者都是通过分析定子电流频谱进行故障判断矢引言量法将对频谱的分析转化成图形问题方便了故障异步电机在当代社会生产系统中的应用越来越识别但是这种方法却不适用于故障早期扩展广泛是工业生产活动的主要驱动