基于多电流特征形态组合模式挖掘的层冷辊电机故障诊断
文档名：基于多电流特征形态组合模式挖掘的层冷辊电机故障诊断
摘要：针对人工点检层冷辊电机存在过度维修和故障漏报的问题,本文提出一种基于多电流特征形态组合模式挖掘的故障诊断方法.该方法选取与故障相关的六种关键电流特征,计算各特征的上下分位数形成边界,采用Bayes-L-BFGS(BayesLimited-memoryBroyden-Fletcher-Goldfarb-Shanno)算法自动拟合出各特征的边界形态;针对形态样本少的问题,本文提出一种用于形态识别的SCNN(SpetialConvolutionalNeuralNetwork)-Transformer模型.通过训练Siamese-CNN准确识别边界形态,并训练Transformer识别边界时序关系与形态变化程度,融合两个模型的识别结果确定边界形态类型;以边界形态类型作为基因片段,采用遗传算法挖掘出不同故障对应的多电流特征形态组合模式,形成用于故障类型匹配的形态组合模式库.在某钢厂层冷辊电机上对本文方法进行在线验证,准确率超过90%,无关键故障漏报与误报.
作者：马天雨 刘思亚 刘金平 郑之伟 李志鹏 Author：MATian-yu LIUSi-ya LIUJin-ping ZHENGZhi-wei LIZhi-peng
作者单位：湖南师范大学物理与电子科学学院,湖南长沙410006湖南师范大学信息科学与工程学院,湖南长沙410006
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(4)
分类号：TP277
关键词：电流特征形态识别形态组合故障诊断
机标分类号：TP391TM307.1TP183
在线出版日期：2023年7月6日
基金项目：国家自然科学基金基于多电流特征形态组合模式挖掘的层冷辊电机故障诊断[
期刊论文]电子学报--2023, 51(4)马天雨刘思亚刘金平郑之伟李志鹏针对人工点检层冷辊电机存在过度维修和故障漏报的问题,本文提出一种基于多电流特征形态组合模式挖掘的故障诊断方法.该方法选取与故障相关的六种关键电流特征,计算各特征的上下分位数形成边界,采用Bayes-L-BFGS(Bayes...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多电流特征形态组合模式挖掘的层冷辊电机故障诊断Fault Diagnosis of Laminar Cooling Roller Motor Based on Morphological Combination Patterns Mining of Multi-Current Features
基于多电流特征形态组合模式挖掘的层冷辊电机故障诊断.pdf
页:
[1]