基于三轴信号输入深度卷积神经网络的旋转机械故障诊断
机器学习
2019-10-25 v2 信号处理
机器学习
摘要
近期聚焦工业 4.0 概念与智能制造的趋势使数据驱动故障诊断成为基于状态维护中的关键课题。故障诊断在旋转机械中被视为一项基本任务，因为对故障状态的早期检测与诊断可节省时间与成本。传统数据驱动故障诊断技术需要信号处理以提取特征，因其无法处理原始信号数据，从而导致对专家知识与人工的需求。基于状态维护中深度学习架构的出现有望在降低专家知识与人工需求的同时确保高性能故障诊断。本文提出一种已开发的基于深度学习的数据驱动旋转机械故障诊断技术。所提技术将原始三轴加速度计信号作为高分辨率图像输入深度学习层，自动提取信号特征，从而实现高分类准确率。
引用
@article{arxiv.1906.02444,
title = {Fault Diagnosis of Rotary Machines using Deep Convolutional Neural Network with three axis signal input},
author = {Davor Kolar and Dragutin Lisjak and Michal Pajak and Danijel Pavkovic},
journal= {arXiv preprint arXiv:1906.02444},
year = {2019}
}
备注
I need to do a major revision of this article to make it publishable