螺栓连接结构动态特征学习与装配紧度智能监测

• 作者: 张小丽 杨吉 申彦斌 赵俊锋 闫强
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 螺栓 装配紧度 卷积神经网络 特征提取
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 机械动力学
• 页码范围: 351-357
• 页数: 7页
• 分类号: TH131|TP183
• 字数: 5646字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20180251

摘要

自动特征提取在机械系统智能状态监测中起着至关重要的作用,可以自适应地从原始数据中学习特征并发现新的状态敏感特征.本文重点研究了不同深度的卷积神经网络(CNN)模型在没有先验知识的情况下从激励响应信号中挖掘代表信息和敏感特征的能力,并将螺栓连接结构的特征提取和装配紧度分类过程融合在一起.通过车架试验台螺栓连接转子激振实验数据验证该方法的有效性.结果 表明,CNN方法自适应学习的特征可以表示信号与装配状态之间的复杂映射关系,并且比其他方法具有更高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨吉	长安大学工程机械学院道路施工技术与装备教育部重点实验室	12	62	4.0	7.0
2	闫强	长安大学工程机械学院道路施工技术与装备教育部重点实验室	8	49	3.0	7.0
3	张小丽	长安大学工程机械学院道路施工技术与装备教育部重点实验室	5	72	3.0	5.0
4	申彦斌	长安大学工程机械学院道路施工技术与装备教育部重点实验室	2	0	0.0	0.0
5	赵俊锋	长安大学工程机械学院道路施工技术与装备教育部重点实验室	2	0	0.0	0.0