原创力文档- 1、本文档共5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
基于机器学习的旋转机械故障
诊断研究＊
文陈亚楠，胡凯凯，陈刚，胡婵娟，舒晖，李籽圆
|
旋转机械广泛存在于大中型机械装置中，如汽轮机、
特征提取
燃气轮机、离心式及轴流式压缩机、泵、水轮机、发电机和
航空发动机等。大中型旋转机械一般安装有振动监测保护和通常对于旋转机械的状态监测系统，所采集到的原始
故障诊断系统，通常在旋转机械关键点上安装振动传感器，信号为高频信号，维度高，不适合直接作为机器学习的特
采集关键点振动信息。通过对采集的数据进行时域、频域、征输入，而从原始信号中提取特征信息可有效降低输入特
时频域、小波变换、自相关等分析，能够对旋转机械进行故征维度。
障诊断。但是这种方法需要工程师有足够的经验，且因机组一、时域特征提取
数量多，人工分析费时费力。旋转机械在状态发生改变时，时域参数能够反映其状
机器学习是近些年兴起的新学科，是人工智能和模式
识别领域共同的研究热点，其理论和方法已被广泛应用于解
决工程应用和科学领域的复杂问题。机器学习常见的算法有
决策树算法、朴素贝叶斯算法、支持向量机算法、随机森林
算法、人工神经网络算法、回归算法和深度学习算法等。理
论上，直接将采集到的大量振动原始数据及标签数据（通常
是有无故障）作为机器学习的输入，能够实现对模型的训练。
2
但是，对于实际工程问题，往往正负样本极不均衡，正样本-s
.
m
（无故障）数据量远远大于负样本（有故障），且原始数据m
通常维度较高，直接采用原始数据往往会导致模型过拟合，
模型泛化能力差。
因此，本文结合针对旋转机械的振动分析方法和机器
学习常用的分类方法，通过提取不同特征作为机器学习的输
入，大大降低了数据维度，并通过模型训练，构建了故障诊
断和预测模型，用于旋转机械的故障自动诊断。
图1信号时序图
＊国家重点研发计划资助项目：风电机组传动系统精益设计方法研究（2017YFE0101900）
74风能WindEnergy
xiin
态变化。当旋转机械发生故障时，可能出现冲击，表现在时对于一组信号,=1,…,，其时序特征如表1所示。
序图中即是某些点远远超出其他点（图1）。有量纲的幅值诊断参数值会随着故障的增大而不同程
常用的时域参数包括峰值、均值、方差、歪度、峭度、度增大，且其中峭度对探测信号中含有脉冲的故障最敏感。
均方根值、波形指标、脉冲指标、峭度指标、歪度指标和裕有量纲幅值诊断参数值也会因工作条件（如负荷、转速、记
度指标。录仪器的灵敏度等）的改变而改变，实际上很难加以区分。
通常希望幅值诊断参数对故障足够敏感，而对信号的幅值和
文档评论（0）