基于声像识别与卷积特征提取的旋转机械状态评估方法技术

本发明专利技术公开一种基于声像识别与卷积特征提取的旋转机械状态评估方法，首先基于阵列测试技术采集旋转机械运转时的声信号，并对信号预处理；利用边界元全息技术重建旋转机械空间声场，获得其运转时的包含相位和幅值信息的三维声场序列图像，经切片压缩之后作为训练和测试样本将其输入到双线性卷积神经网络模型中，利用其在图像处理中的优势对样本中的特征信息进行提取，从三维序列声场图像中挖掘与旋转机械运转状态相关的特征信息，以实现其状态评估。本发明专利技术具有非接触测量、无需停机便于实施等优势；可以对任意形状声源的声场图像进行精确重建，精确预测旋转机械空间辐射声场，为旋转机械的状态评估与故障过程的演化提供精确可靠的评估方法。

【技术实现步骤摘要】

本专利技术涉及旋转机械状态监测领域，具体涉及一种基于声像识别与卷积特征提取的旋转机械状态评估方法，属于机械结构故障诊断的范畴。

技术介绍

1、旋转机械是在工业生产中最常见的部件之一，广泛应用于发电机、汽轮机、航空发动机等。机械系统耦合程度越来越高，旋转机械在其高速以及长期运行过程中，一旦发生故障，极有可能导致整个机械系统无法运转，造成严重的经济损失，增加潜在的安全风险。因此，对旋转机械状态进行有效的状态监测至关重要。

2、现有的监测技术主要有基于经验模式和基于传感器数据驱动的状态监测技术。其中基于经验模式的识别方法通常依靠经验丰富的工人进行主观判断，难以精确识别旋转机械的故障状态。而基于传感器数据驱动的方法，主要是利用相关机器学习和深度学习方法，分析挖掘振动和噪声信号中的敏感特征用以判断机械装备的状态信息，在状态诊断理论体系中占有主要地位。基于振动测试信号的状态诊断方法主要是由于振动信号采集简单而且对设备的故障状态信息非常的敏感，通过对信号时频分析、信号处理和特征提取，提取与故障状态相关的特征来评估旋转机械的故障状态情况。但由于旋转机械装备的复本文档来自技高网...

【技术保护点】

1.一种基于声像识别与卷积特征提取的旋转机械状态评估方法，其特征在于，具体步骤如下：

【技术特征摘要】

1.一种基于声像识别与卷积特征提取的旋转机...

【专利技术属性】
技术研发人员：钟玉东，曾雪，侯俊剑，赵登峰，张冰玉，赵世刚，谢贵重，何文斌，王新生，房占鹏，周放，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：