文献类型：期刊文章

作　　者：金列俊[1] 詹建明[1,2] 陈俊华[1,2] 王涛[2]

JIN Lie-jun;ZHAN Jian-ming;CHEN Jun-hua;WANG Tao(Institute of Mechanical Engineering,Zhejiang University,Hangzhou 310027,China;School of Mechanical and Energy Engineering,Ningbo Institute of Technology,Zhejiang University,Ningbo 315100,China)

机构地区：[1]浙江大学机械工程学院,浙江杭州310027 [2]浙江大学宁波理工学院机电与能源工程学院,浙江宁波315100

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金重点资助项目(U1813223);浙江省自然科学基金资助项目(LY17E050012).

年　　份：2020

卷　　号：54

期　　号：3

起止页码：467-474

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了在钻杆故障早期诊断出钻杆的故障类型,提出一种基于一维卷积神经网络的钻杆故障诊断模型,对模型的结构和参数进行详细地设计与分析.参考现有的卷积神经网络模型,结合钻杆的工作特性以及感受野的原理,设计模型的卷积层和池化层的层数、卷积核的大小以及滑动步长.该模型省去了对故障信号特征提取的过程,比先前的钻杆故障诊断有更高的诊断准确率.该模型在不同转速工况下和不同土质工况下均具有较强的适应性和抗噪能力.

关 键 词：钻杆故障诊断  一维卷积神经网络  感受野 适应性 抗噪能力

分 类 号：TH165.3] TN911.23]