一种基于深度残差网络的旋转机械故障诊断方法OA
针对传统钻采设备故障诊断方法存在的成本高、缺乏实时性和普适性不足的问题,提出了一种基于深度残差网络的旋转机械故障诊断方法。该方法通过固定窗口长度的随机采样来构建充足的训练数据集,利用深层架构和残差学习机制,结合一维卷积神经网络提取时序信号中的多尺度特征,并通过全连接神经网络完成故障的识别与分类。实验结果表明,对公开数据集(CWRU)添加3dB噪声后,所提方法在测试集上的准确率依然保持在99%以上。在PT800实采数据集上,该方法的准确率也超过了9…查看全部>>
刘芷源;王文权;杨鹏祺;周章玉;段昶;廖飞龙;朱策
电子科技大学信息与通信工程学院,四川成都611731中国石油集团川庆钻探工程有限公司安全环保质量监督检测研究院,四川德阳618300中国石油集团川庆钻探工程有限公司安全环保质量监督检测研究院,四川德阳618300电子科技大学信息与通信工程学院,四川成都611731西南石油大学电气信息学院,四川成都610599中国石油集团川庆钻探工程有限公司安全环保质量监督检测研究院,四川德阳618300电子科技大学信息与通信工程学院,四川成都611731
机械工程
钻采设备故障诊断深度残差网络卷积神经网络
《通信与信息技术》 2024 (6)
P.1-6,6
中国石油集团川庆钻探工程有限公司安全环保质量监督检测研究院支持(项目编号:CQ2023B-19-1-3)。
评论