10.3969/j.issn.1006-1355.2023.01.018
声学成像和深度学习的诊断与定位方法
针对传统的基于振动信号的故障诊断技术无法兼顾定位与诊断的问题,提出一种基于声音信号的反卷积成像和深度学习的智能故障诊断与定位模型,该模型在传统波束形成算法的基础上,引入反卷积成像算法确定噪声源位置;同时,使用深度学习对声音信号进行训练分类从而判断故障类型,可兼顾噪声源识别定位以及故障检测的特点,拓展声像识别的应用场景,并进一步推动故障诊断技术在多领域交叉发展.实验结果表明,与传统的基于振动信号的故障诊断方法对比,该方法在设备故障诊断方面的故障识别率达到97.22％,并能够准确识别故障所在位置.
故障诊断、噪声源定位、声学反卷积算法、深度学习、卷积神经网络
43
TP206+.3(自动化技术及设备)
河南省科技攻关资助项目202102210075
2023-02-24（万方平台首次上网日期，不代表论文的发表时间）
共6页
105-109,134
