基于深度卷积网络的多传感器信号故障诊断方法研究  

Study of Multi-sensor Fault Diagnose Method Based on Convolutional Neural Networks

作　　者：吴魁 王仙勇[1] 孙洁[1] 黄玉龙[1,2] 

机构地区：[1]北京航天测控技术有限公司,北京100041 [2]北京市高速交通工具智能诊断与健康管理重点实验室,北京100041

出　　处：《计算机测量与控制》2018年第1期18-21,共4页Computer Measurement &Control

摘　　要：针对传统故障诊断方法中多传感器数据融合技术难度大、特征提取困难等问题,提出了一种基于深度卷积网络的多传感器信号故障诊断方法,通过构建测量数据帧进行卷积计算实现多通道数据的自然融合,利用深度网络结构实现高层特征的自动提取和分类,从而高效地实现了故障分类诊断;经分别采用小规模数据集REF和大规模故障数据集BI02进行实验验证,均取得了较高的故障识别准确率,具有很强的工程应用价值。This paper presents a multi-sensor fault diagnose method based on convolutional neural networks,which utilizes the convolutional core to fuse the different type of measurement data via constructing the measurement data frame.Meanwhile,the high-level features are abstracted automatically from original signal data,and then fault type can be specified according to the output of classifier.As result,the fault recognition achieves high accuracy in treating both a small-scale dataset REF and a large-scale dataset BI02,which shows a significant effect and strong application value.

关 键 词：深度学习 基于深度卷积网络 故障诊断 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]