频谱特征统一条件下超声仪器轨迹球机械故障诊断方法

摘要

由于目前超声仪器轨迹球机械故障检测方法在特征分类时，需要通过划分多个类别才能完成故障诊断。虽然多类别模式能提升诊断效率，但这种多类别的故障识别模式易发生类间类似故障的循环迭代比较，致使识别准确性下降。为此，利用轨迹球机械故障频谱特征可融合的特点，设计频谱特征统一条件下超声仪器轨迹球机械故障诊断方法。通过频谱分析技术对超声仪器轨迹球信号进行频谱分析，获取高精度的幅值谱和相位谱;将信号幅值和相位信息融合处理，在超声仪器轨迹球的每个监测断面上组建二维全息谱，提取故障信号特征。通过提取的特征为每个样本随机设定标签组建样本库，利用样本库对深度神经网络(DNN:Deep Neural Network)进行训练，经过DNN训练和测试迭代，将含有相似特征的故障样本聚集到同一个类中，最终实现故障诊断。实验结果表明，所提方法可以精准诊断出超声仪器轨迹球机械故障，保证超声仪器的稳定运行。

关键词

频谱分析 / 超声仪器 / 轨迹球 / 机械故障 / 统一类内 / 深度神经网络