基于深度学习的旋转机械大数据智能故障诊断方法

白享恩 （ 国家能源集团神东煤炭集团设备维修中心 ）

https://doi.org/10.37155/2717-5197-0719-71

Abstract

作为机械设备的关键组成部分，旋转机械的运行状态直接影响整体设备的可靠性。针对其故障可能导致 的严重后果，本研究提出了一种融合红外热成像与深度学习技术的智能监测方案。首先构建了包含电动机（正常/过载 /短路）和转子系统（正常/不平衡/不对中）六种工况的故障模拟实验平台；其次采用红外热像仪获取设备表面温度场 分布，通过图像增强技术提升热像质量；随后运用目标检测算法实现关键部件的自动识别与定位，并基于检测结果完 成区域重构；最终采用深度神经网络对重构图像进行状态分类，建立智能诊断模型。实验数据显示，该方法的诊断准 确率达到90.06%，验证了其有效性。本研究所提出的技术路线通过扩展故障类型和部件种类后，可为旋转机械及其他 机械设备的故障诊断提供新的研究思路和实践参考。

Keywords

智能故障诊断；深度学习；循环神经网络；卷积神经网络；多传感器

Full Text

PDF

References

Copyright © 2025 白享恩 Publishing time:2025-10-01
This work is licensed under a Creative Commons Attribution 4.0 International License