|
|
|
| 基于声波特征的动力机械故障智能监测方法研究 |
| 郝晓宇1,侯俊玲1,左宏2,李群1,张堰铭1 |
1. 西安交通大学
2. 西安交通大学，航天航空学院
|
|
|
|
|
摘要 近年来，为满足动力机械设备智能化、集成化和大型化的发展需求，对设备运行状态进行智能监测变得至关重要。本文提出了一种基于声波特征的动力机械故障智能监测方法，该方法基于声波特征构建了改进的CNN（卷积神经网络）-LSTM（长短时记忆神经网络）模型，包含机械设备故障本征声波数据库的构建、故障智能监测和可视化操作界面实现三个关键步骤。首先，当机械发生故障时，收集含故障声波数据并对其进行处理，利用快速傅里叶变换方法得到故障的声波特征，采集大量设备故障（如风扇叶片损坏、泵体泄露等）的声波特征存储为故障本征声波数据库。其次，在对某机械设备的故障进行智能监测时，将得到的故障本征声波数据库作为嵌入特征，获取并输出故障声波片段，从而确认故障类型，实现对故障的精准预警。最后，基于改进的CNN-LSTM神经网络模型，搭建了可视化操作界面，该界面能够简捷、准确地实现对机械故障的智能监测。本研究建立的基于声波特征的智能监测方法具有成本低、部署方便和识别效率高等优势，有望应用于航天航空、核电等行业的复杂工况动力机械系统中。
|
|
| 关键词 ：
声波特征,
智能监测,
CNN,
LSTM,
可视化界面
|
|
收稿日期: 2024-09-10
出版日期: 2025-04-23
|
| 基金资助:界面断裂构型力矢量双参数准则及参数智能识别研究;基于修正Battelle双曲线模型的埋地输气管道止裂控制研究;复合推进剂材料的裂纹扩展机理及构型力研究 |
|
通讯作者:
侯俊玲
E-mail: junlhou@mail.xjtu.edu.cn
|
|
|
|
2025, Vol. 46 
