《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

深度学习在电梯轿厢振动故障诊断中的应用研究

作者:张兴合1,高丙朋1*,陈飞2,南新元1 日期:2021-04-20/span> 浏览:1422 查看PDF文档

深度学习在电梯轿厢振动故障诊断中的应用研究*

张兴合1,高丙朋1*,陈飞2,南新元1
(1.新疆大学 电气工程学院,新疆 乌鲁木齐 830001;
2.新疆维吾尔自治区特种设备检验研究院,新疆 乌鲁木齐 830001)

摘要:在电梯系统运行过程中,针对故障诊断精确度不够高的问题,以及电梯轿厢振动故障诊断在卷积神经网络运用上的空白,采用电梯承运质量测试仪采集了电梯运行过程中的大量振动信号,并对信号进行了分离和筛选;采用了连续小波对预处理后的信号进行了时频变换,以变换后的RGB图像作为深度学习模型输入;研究了深度学习在电梯轿厢振动故障诊断中的应用,设计了电梯轿厢振动故障诊断整体方案,并通过PyTorch实现了深度学习方案,将卷积神经网络应用到电梯轿厢振动故障诊断中,通过监督学习对深度残差神经网络进行了分析和训练,并与传统机器学习方法进行了对比。研究结果表明:深度学习故障诊断方案诊断正确率比传统机器学习故障诊断方法提高3%;深度学习方案能有效诊断电梯故障,为电梯故障诊断开辟新路径。
关键词:电梯轿厢振动;故障诊断;卷积神经网络;深度学习;PyTorch;监督学习
中图分类号:TP391.9;TU857        文献标识码:A      文章编号:1001-4551(2021)02-0260-05

本文引用格式:
张兴合,高丙朋,陈飞,等.深度学习在电梯轿厢振动故障诊断中的应用研究[J].机电工程,2021,38(2):260-264.
ZHANG Xing-he, GAO Bing-peng, CHEN Fei, et al. Application of deep learning in elevator car vibration fault diagnosis[J].Journal of Mechanical & Electrical Engineering, 2021,38(2):260-264.《机电工程》杂志:http://www.meem.com.cn



友情链接

浙江机械信息网