典型文献
基于卷积神经网络的发动机凸轮轴在线振动监测模型及异常信号处理算法研究
文献摘要：
当凸轮轴无法正常运行时,会导致大型机械的发动机也无法正常工作,造成严重的经济损失.提出了一种基于卷积神经网络的在线监测模型,该模型不仅可以对发动机凸轮轴的振动信号进行在线监测,还可以对凸轮轴的异常信号进行处理.首先利用传感器提取凸轮轴运行期间的磨损信号,并且以历史的信号数据作为样本进行训练,得到卷积神经网络的参数权重.通过传感器采集凸轮轴磨损情况的特征信号数据,并将时间序列分析方法带入到卷积神经网络建模过程中,提高凸轮轴振动信号监测的准确率.对异常信号进行数据处理以对凸轮轴做故障判定.结果表明,本文模型可以有效地监测出凸轮轴在不同转速下非正常运行振动信号波形;对3种路面情况下的凸轮轴振动信号进行监测,发现本文模型监测的正确率和F1值均为最高,分别达到94.51％和96.42％、98.32％和94.55％、92.972％和92.16％;而漏检率和误拦率均为最低,分别为3.41％和6.02％、4.69％和6.34％、9.31％和10.01％.因此,证实了本文提出的模型理想的监测性能.
文献关键词：
发动机凸轮轴;在线监测;监测模型;卷积神经网络;异常信号处理
中图分类号：
作者姓名：
卢燃;庞博;胡勇;彭六保
作者机构：
国能北电胜利能源有限公司设备维修中心,内蒙古锡林浩特,026000;航天智控(北京)监测技术有限公司,北京,100000
文献出处：
引用格式：
[1]卢燃;庞博;胡勇;彭六保-.基于卷积神经网络的发动机凸轮轴在线振动监测模型及异常信号处理算法研究)[J].内燃机,2022(06):19-24
A类：
异常信号处理
B类：
发动机凸轮轴,线振动,振动监测,监测模型,理算,算法研究,大型机械,在线监测,运行期,号数,特征信号,时间序列分析,带入,网络建模,轴振动,信号监测,故障判定,不同转速,非正常,振动信号波形,漏检率
AB值：
0.174581
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。
