论文部分内容阅读
随着当代旋转机械设备的自动化程度不断提高,当设备发生故障时,容易造成极大的经济损失。在电站设备中,汽轮机转子作为最重要的生产设备之一,当发生故障必须尽快对故障信号进行故障识别。传统的机器学习诊断模型由于其人工特征选择的不确定性以及学习深度不足等原因,严重制约了诊断模型的识别精度。针对传统转子故障诊断方法的不足,本文提出了基于深度学习的旋转机械振动故障诊断方法,该方法将特征提取过程与识别过程有机的结合起来,自适应的提取、学习特征,避免了传统机器学习中人工特征选择的不确定性。首先,提出了基于CNN的SD