基于优化CNN的航空液压管路卡箍故障诊断

• 作者: 于晓光 刘忠鑫 杨同光 窦金鑫 范玉鑫 薛政坤
• 来源期刊: 机床与液压
• 学科: 工学
• 关键词: 液压管路卡箍 故障诊断 优化变分模态分解 卷积神经网络
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 故障诊断与可靠性
• 页码范围: 188-194
• 页数: 7页
• 分类号: TH212
• 字数: 3516字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2020.16.038

摘要

针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、 非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法.基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别.并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于晓光	辽宁科技大学机械工程与自动化学院	45	128	7.0	9.0
2	杨同光	辽宁科技大学机械工程与自动化学院	4	0	0.0	0.0
3	窦金鑫	辽宁科技大学机械工程与自动化学院	3	0	0.0	0.0
4	薛政坤	辽宁科技大学机械工程与自动化学院	5	1	1.0	1.0
5	范玉鑫	上海对外经贸大学会展与旅游学院	3	0	0.0	0.0
6	刘忠鑫	辽宁科技大学机械工程与自动化学院	1	0	0.0	0.0