融合多源传感器数据与1D-CNN集成的转子故障诊断

Fault Diagnosis of Rotor Based on Multi-source Sensor Data Fusion and 1D-CNN Integration

鉴于融合多传感器数据能够更全面的表征机械设备的运行状态信息,针对现有智能诊断模型需专家经验的特征提取、使用单一传感器数据无法获得设备状态完整信息等问题,提出了一种融合多源传感器数据与1D-CNN集成的转子故障诊断方法。通过分析数据特点,利用卷积神经网络强大的特征提取能力和良好的泛化性能,设计了1D-CNN故障诊断模型,同时采用一系列防止过拟合的策略,把实验台上采集的振动信号直接输入至1D-CNN进行模型训练,使用得到的模型对振动信号进行故障辨识。实验结果表明,该方法能够准确识别转子的工作状态,同时具有良好的鲁棒性和泛化能力。为学术研究提供了理论参考,且具有一定的工程实际应用推广价值。