热能动力工程

作者：钱 虹，王建棋，刘 刚

单位：上海电力大学 自动化工程学院，上海 200090,,上海电力大学 自动化工程学院，上海 200090,,上海电力大学 自动化工程学院，上海 200090,

关键词：轴心轨迹成像;轴心轨迹形状识别;深度卷积神经网络;反灰度化;故障诊断

基金：上海市2019年度“科技创新行动计划”高新技术领域项目(19511103700)

转子轴心轨迹作为转子故障的典型特征之一，可以提供更具代表性的故障特征信息。对转子轴心轨迹形状进行准确识别是构建转子故障特征征兆的基础。为提高转子轴心轨迹形状识别的泛化能力，提出一种基于深度卷积神经网络的转子轴心轨迹成像及形状识别方法(DimShapeNet)。将转子轴心轨迹映射到二维数字图像中，利用反灰度化预处理方法，去除二维数字图像中多余的颜色信息；将预处理后的转子轴心轨迹数字图像输入深度卷积神经网络中进行训练。结果表明：经过反灰度化预处理的转子轴心轨迹数字图像在深度卷积神经网络的训练中更有优势；相比于传统的转子轴心轨迹形状识别方法，基于深度卷积神经网络的转子轴心轨迹形状识别方法具有更高的准确性和更好的鲁棒性。

来源：2022年第8期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2022年第8期