基于优化CNN的航空液压管路卡箍故障诊断
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
3.42 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。相关论文
- 2020-05-12聚结-旋流分离装置流场特性的数值模拟分析研究
- 2021-05-01多层高温合金波纹管液压胀形波高精确控制
- 2020-03-10Scramjet燃烧室流场的三维并行数值模拟及试验比较
- 2021-05-26液压支架关键部位数值模拟研究
- 2019-12-21油压缓冲器特性研究
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。