文献类型：期刊文章

作　　者：苏乃权[1] 蔡业彬[1] 张清华[2] 文成林[2] 邵龙秋[2]

SU Naiquan;CAI Yebin;ZHANG Qinghua;WEN Chenglin;SHAO Longqiu(School of Electromechanical Engineering,Guangdong University of Petrochemical Technology,Maoming Guangdong 525000,China;School of Automation,Guangdong University of Petrochemical Technology,Maoming Guangdong 525000,China)

机构地区：[1]广东石油化工学院机电工程学院,广东茂名525000 [2]广东石油化工学院自动化学院,广东茂名525000

出　　处：《机床与液压》

基　　金：国家自然科学基金项目(61933013;61673127;61973094);广东省普通高校青年创新人才类项目(2019KQNCX085);茂名市科技计划项目(201805;2020522;2020S004;2020517);博士启动项目(2020bs006)。

年　　份：2021

卷　　号：49

期　　号：24

起止页码：190-194

语　　种：中文

收录情况：BDHX、BDHX2020、ZGKJHX、核心刊

摘　　要：针对石化装置旋转机械故障特征之间呈现模糊性和耦合性导致故障类型识别难的问题,提出基于高价值小样本的石化装置旋转机械故障诊断NN模型。依据故障特征拟合情况,提取高价值小样本故障特征;运用高价值小样本故障特征建立高效的NN模型,利用梯度搜索技术,使网络的实际输出值和期望输出值的误差最小,达到最佳分类效果。研究结果表明:高价值小样本故障特征的训练数据与测试数据具有高度的一致性,故障类型识别的准确率达到98.3%。该方法应用于石化大机组旋转机械表明方法简单有效,高价值小样本特征提取准确,故障识别能力强,可为石化大机组及其他大型设备旋转机械故障诊断提供指导。

关 键 词：旋转机械 故障诊断 NN模型  高价值小样本  

分 类 号：TH165.3]