基于对抗自编码模型的高速泵异常检测
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
2.29 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对传统大型旋转机械健康状态评估中过分依赖人工经验和对复杂信号的处理通用性较差的问题,基于对抗自编码模型提出一种误差阈值异常检测方法。直接利用设备振动信号进行特征提取与运行状态建模,利用正常状态下设备的振动状态数据建立分布模型;通过深度学习的方式学习振动数据的内在特征,并引入误差阈值作为故障预警的决策准则,实现设备运行状态的高效评估;以一台高转速离心泵为测试对象验证所提方法。结果表明:对抗自编码模型对异常数据的判断准确率能达到100%,该方法能够基于监测数据对旋转设备运行状态进行有效检测;相比于传统自编码神经网络,该方法的诊断准确度和精度大幅提高。相关论文
- 2020-06-04带余热回收的中温热泵热水系统[火用]分析及实验研究
- 2020-05-19渔船余热朗肯-朗肯制冰系统研究
- 2020-05-30培尔顿式膨胀-辅助压缩机在制冷系统中的研究
- 2021-08-06空分设备制冷循环系统密封性研讨
- 2020-05-20压缩空气储能技术现状分析
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。