-
题名转子系统数模联动故障诊断方法研究
- 1
-
-
作者
马康
王红军
乔琦
王正
余成龙
-
机构
北京信息科技大学机电工程学院
北京信息科技大学高端装备制造智能感知与控制北京市国际科技合作基地
北京信息科技大学现代测控技术教育部重点实验室
-
出处
《电子测量与仪器学报》
北大核心
2025年第1期165-175,共11页
-
基金
北京市自然科学基金(IS24076,21JC0016)项目资助。
-
文摘
针对燃气轮机转子系统故障样本少,样本不均以及跨工况故障诊断的问题,提出一种基于转子系统数模联动的故障诊断方法。基于经典集中质量法建立了转子系统动力学模型,将不对中故障,不平衡故障引入动力学模型建立了转子系统故障动力学微分方程,最后通过龙格库塔法(ode-4/5)对转子系统故障动力学微分方程进行求解,最终得到故障位移仿真信号,为之后数据增强以及数模联动方法做准备。建立结合正交梯度惩罚算法的条件深度卷积生成对抗网络,用此模型将机理模型所得仿真信号作为生成器输入,生成信号样本与真实实验信号作为判别器输入,获得融合机理特性与实际机械特性为一体的生成信号;其次,基于迁移学习理论建立跨工况域适应故障诊断模型,使用结合反卷积算法的短时分数阶傅里叶变换对数据进行视频转换,获得分辨率以及特征更为明显的二维时频图像样本,将结合机理特性与机械特性的数据作为源域、待测其他工况数据作为目标域训练故障诊断模型,通过实验验证,将5种不同故障类别在不同转速与不同故障量下的诊断准确率均达到91%以上,并通过混淆矩阵对结果进行了解释分析,该方法能够有效提高模型的泛化性,并实现转子系统跨工况故障诊断,同条件下优于其他主流诊断方法。
-
关键词
转子系统
故障诊断
条件深度卷积生成对抗
迁移学习
数模联动
-
Keywords
rotor system
fault diagnosis
conditional deep convolution generates antagonism
transfer learning
digital-analog linkage
-
分类号
TN07
[电子电信—物理电子学]
TK477
[动力工程及工程热物理—动力机械及工程]
-
-
题名燃气轮机气流激振深度置信网络故障诊断模型
被引量：11
- 2
-
-
作者
蒋龙陈
王红军
张顺利
-
机构
北京信息科技大学机电工程学院
北京信息科技大学
北京信息科技大学机电系统测控北京市重点实验室
中国航发西安航空发动机集团有限公司设计所
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2021年第2期115-121,共7页
-
基金
国家自然科学基金(51975058)资助项目。
-
文摘
气流激振故障是燃汽轮机由于工作介质引发的常见故障,针对某型燃气轮机气流激振故障,建立峰值保持降采样算法和粒子群算法优化的深度置信网络故障诊断模型。使用峰值保持降采样法对振动数据进行缩减,并以之作为深度置信神经网络的输入,降低模型训练时间,同时采取粒子群算法对深度置信网络结构参数寻优,搜索诊断性能最好的深度置信模型所对应的网络结构参数。实例结果表明,优化后的模型不仅降低模型训练时间,实现网络结构参数智能寻优,还有效实现燃气轮机气流激振故障诊断,测试准确率约为99.8%。
-
关键词
燃气轮机
气流激振
故障诊断
深度置信网络
-
Keywords
gas turbine
airflow excitation
fault diagnosis
deep belief network
-
分类号
TK477
[动力工程及工程热物理—动力机械及工程]
-
