基于发动机振动信号的异常检测算法研究

• 全文链接
• 请求原文

作   者：

陈为科;  彭亮;  白帆; 

作者机构：

广东宏大防务科技股份有限公司; 

关键词：

信号分解算法;  振动信号分类;  卷积神经网络;  时频图像分析;  深度学习; 

期刊名称：

装备制造技术

i s s n：

1672-545X

年卷期：

2025 年 001 期

页   码：

22-26

摘   要：

振动信号分析作为一种有效的故障诊断手段，可以检测设备的微小振动，识别潜在的异常或故障。目前通过振动参数诊断发动机故障类型的系统领域仍未被充分开发，现有的振动信号诊断方式也存在较多缺陷。该文提出一种基于卷积神经网络深度学习和信号分解算法的发动机振动信号异常检测算法。首先，通过比对实验对比信号分解算法的分解速度、质量、抗干扰能力等因素，根据研究内容针对信号分解算法缺陷进行比较，选用最佳的信号分解算法，并采用信号分解算法对振动信号进行预处理，提取其特征并生成能量谱图。这一步骤通过有效地分解振动信号，捕捉到了其本质特征。然后，利用MobileViT卷积神经网络对预处理后的信号进行分类识别。MobileViT卷积神经网络在处理视频图像方面表现出色，其优越的性能确保了分类的高准确性和鲁棒性。实验结果表明，该算法在振动信号的分类准确性和泛用性上具有显著优势。大量实际振动信号数据验证结果证明该算法在实际应用中的有效性和可靠性，特别是在发动机振动信号的异常检测中，算法展示了出色的故障识别能力。