基于CNN电流数据形态识别的电动机故障诊断研究

• 作者: 龚敬群 李杰 黄冬明 周兴泽 马天雨
• 来源期刊: 宝钢技术
• 关键词: CNN 形态识别 电动机故障诊断 大数据 人工智能 预测性运维
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 分析与研究|ANALYSIS & RESEARCH
• 页码范围: 27-33
• 页数: 7页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0716.2021.03.006

摘要

为实现层冷辊电动机由预防性批量更换向预测性定点维修转变的目标,提出一种基于卷积神经网络(CNN)电流数据形态识别的故障智能诊断方法.该方法首先对电流采集数据进行特征提取,并建立分类故障的各关键特征形态图形集;采用卷积神经网络识别故障下各特征的异常形态,建立以误报率和漏报率为目标的优化模型,通过以异常形态为基因片段的遗传算法寻优不同故障类型的各特征形态组合,建立分类故障形态组合模式库.现场数据验证结果表明所提方法能够满足现场漏报率和误报率要求.