摘要 : 针对航空发动机主轴承状态监测中存在的真实故障样本难以获取、变工况通用告警阈值难以界定以及早期微弱故障难以识别问题,提出一种滚动轴承早期故障通用告警方法.该方法仅基于正常样本训练卷积神经网络,依靠退化数据与正常数据间的特征距离来构造演化... 展开
| 作者 | 刘西洋 陈果 尉询楷 刘曜宾 王浩 贺志远 |
|---|---|
| 作者单位 | |
| 英文名称 | Early fault alarm method of rolling bearing based on wavelet analysis and convolution neural network |
| 期刊名称 | 《航空动力学报》 |
| 期刊英文名称 | 《Journal of Aerospace Power》 |
| 页码/总页数 | 35-46 / 12 |
| 语种/中图分类号 | 汉语 / V263.6 |
| 关键词 | 滚动轴承 通用诊断 早期预警 深度学习 小波分析 |
| DOI | 10.13224/j.cnki.jasp.20220622 |
| 基金项目 | 国家科技重大专项(J2019-Ⅳ-004-0071);国家自然科学基金(52272436);江苏省研究生科研与实践创新计划项目(KYCX20_0211) |
| 收录情况 | BDHX CSTPCD |
| 机标主题词 / 分类号 | 小波变换;卷积;人工神经网络 / O17;O177.6;TP18 |
