节点文献
基于机器学习与多信息融合的转子故障诊断系统设计
【机构】 武汉工程大学；
【摘要】 旋转机械是流程工业中广泛应用的机泵形式,转子系统是机泵的核心部件,其故障率高,故障特征明显,是机泵状态监测与智能运维的关键环节。机器学习分类算法在多维特征分类问题中具有显著优势,可快速实现新样本状态的精准分类。基于机器学习与多信息融合技术,本文设计开发了一套转子故障诊断系统。系统以某转子实验台为对象,以LabVIEW为软件平台,搭建数据采集系统,实现基座振动、轴心位移等信号的实时采集。以LabVIEW和Matlab混合编程,构建数据分析与故障诊断系统,基于LabVIEW完成信号的初步分析,基于Matlab构建故障诊断模型,完成碰磨、不平衡、不对中等多类故障的分类诊断。以时域分析提取特征值,基于三层神经网络构建振动信号诊断模型;以Hu矩为特征值,基于子空间判别法构建轴心轨迹诊断模型。实验测试表明,系统运行稳定,对各类故障的分类诊断准确、及时,且系统具有较好的开放性,可扩展应用于复杂系统。
【基金】 武汉工程大学教学研究项目“‘政产学研’协同创新,共建‘特种设备技术学院’”(X2018002);武汉工程大学研究生创新基金项目“搅拌设备振动测试与轴封失效监测研究”(CX2024435)
- 【会议录名称】 2025机电创新与产教融合新思考论文集
- 【会议名称】2025第九届中部（湖北）机电行业产学研训合作峰会暨第九届中部机电工程学院（系）院长（系主任）联席会
- 【会议时间】2025-11-01
- 【会议地点】中国湖北武汉
- 【分类号】TH17;TP181
- 【主办单位】湖北省机电工程学会