文献类型：期刊文章

作　　者：马波[1] 赵祎[1] 齐良才[2]

MA Bo;ZHAO Yi;QI Liangcai(Diagnosis and Self-Recovery Engineering Research Center,Beijing University of Chemical Technology,Beijing 100029,China;China General Nuclear Institute Corporation Beijing Branch,Beijing 100086,China)

机构地区：[1]北京化工大学诊断与自愈工程研究中心,北京100029 [2]中广核研究院有限公司北京分公司,北京100086

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.51135001);国家质量基础的共性技术研究与应用项目(No.2016YFF0203303);压缩机技术国家重点实验室开放基金项目

年　　份：2019

卷　　号：55

期　　号：12

起止页码：245-249

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：由于往复压缩机、航空发动机等复杂机械振动信号呈现非平稳性,目前应用较多的单特征门限报警方法存在报警准确率低的问题。针对该问题,依据机械响应点的响应信号特点,提出一种基于变分自编码器的故障预警方法。该方法基于机械振动信号的高维特征参数,利用变分自编码器自学习出高维特征的统计分布模型,将正常工况模型作为基准模型,通过计算实时工况模型与基准模型间的差异度,并将其与自适应预警阈值相比较,实现故障预警。通过与单特征门限报警方法、基于状态子空间的预警方法进行比较,验证了该方法的优越性。实验结果表明,该方法能够提高机械故障预警的准确率并大幅提前故障的报警时间点,具有较高的时效性和较强的适应性。

关 键 词：变分自编码器  机械  故障预警 统计分布

分 类 号：TH17]