简介：摘要：经济在迅猛发展，社会在不断进步，传统的机械设备状态监测是根据经验通过提取现场采集的振动信号特征值构建特征空间，采用多种方法对特征值进行聚类、分类，从而实现对设备状态的分类。但这种方法严重依赖于专家经验，并且效果受到信号噪声等众多因素的影响。分别在经典一维和二维卷积神经网络的的基础上，提出两种机械设备智能故障诊断方法，并通过凯斯西储大学轴承数据中心发布的数据集比较两种模型的性能，实验结果表明，基于一维卷积神经网络的智能诊断方法更适用于一维振动信号。将基于一维卷积神经网络的智能诊断方法应用于石化厂的机泵设备，证明其能实现特征自适应提取，可取得较好诊断效果。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
