文献类型：期刊文章

作　　者：蒋龙陈[1,2,3] 王红军[1,2,3] 张顺利[4] 左云波[1] 陈晓[1]

JIANG Longchen;WANG Hongjun;ZHANG Shunli;ZUO Yunbo;CHEN Xiao(School of Mechanical and Electrical Engineering,Beijing Information Science&Technology University,Beijing 100192,China;Beijing High-end Equipment Intelligent Perception and Control International Cooperation Base,Beijing 100192,China;Beijing Key Laboratory of Measurement and Control of Mechanical and Electrical System,Beijing 100192,China;AECC Xi’an Aero-Engine Ltd,Xi’an 710021,China)

机构地区：[1]北京信息科技大学机电工程学院,北京100192 [2]北京信息科技大学高端装备制造智能感知与控制北京市国际科技合作基地,北京100192 [3]北京信息科技大学机电系统测控北京市重点实验室,北京100192 [4]中国航发西安航空发动机集团有限公司设计所,西安710021

出　　处：《北京信息科技大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(51975058)。

年　　份：2020

卷　　号：35

期　　号：5

起止页码：25-29

语　　种：中文

收录情况：JST、普通刊

摘　　要：针对燃气轮机故障信号为变速非平稳信号的特点,使用非线性调频分量分解方法对燃气轮机机匣振动信号进行时频分析,并利用卷积神经网络对燃气轮机转子进行故障诊断。首先使用非线性调频分量分解方法将信号分解成多个频率分量,得到各个频率成分的瞬时频率,并绘制时频图。将时频图经过灰度处理以及尺寸压缩等预处理后作为输入训练卷积神经网络,利用卷积神经网络强大的特征提取能力实现燃气轮机转子故障的有效诊断。实验结果表明,针对燃气轮机转子故障,该模型能够获得很好的诊断效果,测试准确率约为99%。

关 键 词：燃气轮机 非线性调频分量分解  卷积神经网络 故障诊断

分 类 号：TK477]