典型文献
煤矿旋转机械健康指标构建及状态评估
文献摘要：
煤矿设备监测参数为时间序列数据,其时序特征对健康评估的影响较大.针对传统机械设备健康评估中存在的信号时空特性提取不完备、人为经验依赖程度高、设备早期状态变化评估难等问题,建立了基于二维数组的长短期记忆降噪卷积自编码器(2D?LSTMDCAE)模型,并提出了基于2D?LSTMDCAE的煤矿旋转机械健康指标(HI)构建及状态评估方法.将一维振动数据转换为二维数组,通过二维卷积网络模型充分学习原始数据中所包含的信息,增强模型对数据特征的学习能力;将样本并行输入卷积和长短期记忆(LSTM)单元,以获取完备的信号时空特征;构建无监督学习的降噪卷积自编码器(DCAE)模型并进行样本重构,采用Bray?Curtis距离计算原始样本与重构样本间相似度,得到HI,解决设备运行过程中状态标签难以获取的问题,提升模型在强背景噪声中的适应能力.使用XJTU?SY轴承数据集验证2D?LSTMDCAE模型的特征学习能力,并采用相关性和单调性2个指标评价基于HI的状态评估方法,测试结果表明:二维输入样本构建方法及学习数据时序特征的HI构建方法对轴承的性能退化更敏感,2D?LSTMDCAE模型能够更早地检测到设备的早期故障,在测试轴承上相比于LSTMDCAE和DCAE模型构建的HI及均方根平均提前了约7 min;与LSTMDCAE和DCAE模型构建的HI、均方根相比,2D?LSTMDCAE模型构建的HI的相关性和单调性均较高,能更好地反映轴承的退化情况.采用减速器加速退化实验数据进行健康评估实验,在测试减速器上,相比于均方根指标,通过2D?LSTMDCAE模型构建的HI能够提前8 min发现早期故障,且HI相关性提高了0.007,单调性提高了0.211,能够更好地反映减速器的退化情况.
文献关键词：
煤矿旋转机械;状态评估;健康指标;信号时空特征;长短期记忆;降噪卷积自编码器;2D-LSTMDCAE
中图分类号：
作者姓名：
李曼;潘楠楠;段雍;曹现刚
作者机构：
西安科技大学 机械工程学院,陕西 西安 710054;陕西省矿山机电装备智能监测重点实验室,陕西 西安 710054
文献出处：
引用格式：
[1]李曼;潘楠楠;段雍;曹现刚-.煤矿旋转机械健康指标构建及状态评估)[J].工矿自动化,2022(09):33-41
A类：
煤矿旋转机械,降噪卷积自编码器,LSTMDCAE,信号时空特征
B类：
健康指标,指标构建,状态评估,煤矿设备,设备监测,监测参数,时间序列数据,时序特征,机械设备,设备健康评估,时空特性,依赖程度,状态变化,二维数组,长短期记忆,2D,HI,数据转换,二维卷积网络,原始数据,增强模型,数据特征,无监督学习,Bray,Curtis,距离计算,设备运行,背景噪声,XJTU,SY,轴承数据,数据集验证,特征学习能力,单调性,指标评价,构建方法,学习数据,性能退化,更早,早期故障,减速器,加速退化,化实验,行健
AB值：
0.22029
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。
