10.3969/j.issn.1006-1355.2021.02.020
基于声信号和一维卷积神经网络的电机故障诊断研究
针对电机故障诊断问题,设计一种新型的一维卷积神经网络结构(1D-CNN),提出一种基于声信号和1D-CNN的电机故障诊断方法.为了验证1D-CNN算法在电机故障识别领域的有效性,以一组空调故障电机作为实验对象,搭建电机故障诊断平台,对4种状态的空调电机进行声信号采集实验,制作电机故障声信号数据集,并运用1D-CNN算法对数据集进行分类,计算出基于该算法的电机故障识别准确率.实验结果表明,1D-CNN算法作为一种新型结构深度学习算法,能够对电机故障声信号进行很好分类,分类准确率高于FFT-BP、SVM、FFT-SAE等算法.为了探究1D-CNN算法内在机制,还对1D-CNN算法性能进行t-SNE可视化分析.
故障诊断、深度学习、卷积神经网络、电机故障
41
TP206+.3(自动化技术及设备)
2021-04-20（万方平台首次上网日期，不代表论文的发表时间）
共5页
125-129
