典型文献
基于深度学习的电机设备健康状态感知系统设计
文献摘要：
电机故障参数的波动性,导致对其健康状态的感知结果准确性较低.为此,本研究提出基于深度学习的电机设备健康状态感知系统设计研究,以FLTQ-665型法兰式扭矩传感器和TPQL3320控制柜作为系统的硬件环境,当TPQL3320接收到FLTQ-665采集的电机运行参数信息后,采用自适应算法将其分割为正常健康数据和异常数据.对于异常数据,利用深度学习中的BP神经网络对数据进行正向传播和误差逆传播,确定异常特征,实现对故障的感知.测试结果表明,设计系统对电机设备健康状态感知的准确性可以达到99％以上.
文献关键词：
深度学习;电机设备健康状态;扭矩传感器;自适应算法;BP神经网络
中图分类号：
作者姓名：
杨娟;蒋辉;丁德秋
作者机构：
沈阳天眼智云信息科技有限公司
文献出处：
引用格式：
[1]杨娟;蒋辉;丁德秋-.基于深度学习的电机设备健康状态感知系统设计)[J].中国科技投资,2022(36):117-119
A类：
电机设备健康状态,FLTQ,TPQL3320
B类：
状态感知,感知系统,电机故障,波动性,结果准确性,系统设计研究,法兰式,扭矩传感器,控制柜,机运,运行参数,参数信息,自适应算法,健康数据,异常数据,正向传播,异常特征,设计系统
AB值：
0.238584
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
