变分模态分解与深度信念网络的双转子不对中程度识别

• 作者: 张宏献 张帆宇 李学军 杨大炼 苗晶晶
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 双转子不对中 变分模态分解 深度信念网络 程度识别
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 773-779
• 页数: 7页
• 分类号: TH17
• 字数: 4635字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190189

摘要

准确识别不对中严重程度是保障航空发动机双转子系统安全稳定运行的重要途径.但不对中程度信息微弱,现有方法难以对其准确识别,为此本文提出了基于变分模态分解与深度信念网络的双转子不对中程度识别方法.实验采集了3种不对中程度下的振动加速度信号,首先采用变分模态分解将振动信号分解;其次对模态函数进行分析,根据互信息理论确定VMD的分解层数,重构模态信号作为特征输入向量,并用于深度信念网络分类模型训练.通过与VMD+ BP、VMD+SVM、原始信号+DBN模型的识别率进行对比分析,结果表明,本文提出的VMD+DBN模型提高了双转子不对中程度的识别准确度,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李学军	湖南科技大学湖南省机械设备健康维护重点实验室	135	1077	18.0	27.0
3	杨大炼	湖南科技大学湖南省机械设备健康维护重点实验室	14	154	6.0	12.0
9	苗晶晶	湖南科技大学湖南省机械设备健康维护重点实验室	2	0	0.0	0.0
10	张宏献	湖南科技大学湖南省机械设备健康维护重点实验室	4	6	2.0	2.0
11	张帆宇	湖南科技大学湖南省机械设备健康维护重点实验室	1	0	0.0	0.0