1 绪论
深度学习在故障诊断系统研究的意义
随着现代科学技术的发展,设备的集成度越来越高,越来越复杂,
既增加了设备发生故障的可能性,也加大了设备维修难度。单个零部
件出现故障,可导致整个系统失效,从而引起设备停机,造成重大的
经济损失,严重的时候还会造成生产事故。例如 2004 年吉林化工厂
设备恶性爆炸,2008 年华能伊敏煤电公司 600MW 机组发生转子裂纹
事故等事故都造成了巨大的经济损失。若能准确及时识别运行过程中
萌生和演变的故障,则有可能在故障发生前对设备进行必要的维护,
做到防患于未然。因此,建立稳定可靠的机械设备健康监测及诊断系
统具有非常重要的意义。近年来,随着故障机理研究的深入以及传感
器技术、信息处理技术、计算机技术的蓬勃发展,人工智能技术被广
泛的应用到机械状态监测及故障诊断领域,推动了智能监测与诊断技
术朝着更高层次发展。
传统故障诊断技术存在的问题
机械设备故障诊断技术是一门综合性极强、覆盖面极广的交叉学
科,集合了传感器技术、信号处理技术、计算机技术。现阶段主要研
究可以分为三个方面:第一,测点的选取及故障信息的获取;第二,
信号处理及特征提取方法的研究;第三,综合特性信息进行故障诊断
[1]
。测点的选取及故障信息的获取主要解决选取何种物理量能够反映
机械运转状态的问题,常见能够反映机械运转情况的物理量包括:振