一项基于机器学习的特征分类研究,用于早期诊断刀片摩擦
Dong-Hee Park1, Byeong-Keun Choi2
1DAVISS Inc., Jinju-si 52828, Republic of Korea.
Sensors (Basel, Switzerland)
|September 28, 2024
概括
本研究引入了一种机器学习方法,用于在旋转机器中早期检测刀片摩擦. 该方法成功地将失衡与刀片摩擦区分开来,使主动维护成为可能,并防止严重损坏.
科学领域:
- 机械工程 机械工程
- 人工智能的人工智能
- 状态监控 状态监控
背景情况:
- 刀片摩擦是旋转机械的关键故障,导致严重损坏和运行停机时间.
- 早期检测刀片摩擦对于防止灾难性故障和确保机器可靠性至关重要.
研究的目的:
- 开发和验证基于机器学习的方法,用于在旋转机械中早期诊断刀片摩擦.
- 用信号处理和特征分析来区分旋转器失衡和叶片摩擦故障.
主要方法:
- 模拟的叶片摩擦和转子失衡故障使用实验模型.
- 应用机器学习诊断方法来分析振动信号.
- 利用信号处理和特征分析进行故障诊断.
主要成果:
- 根据不同的信号趋势,成功地区分了失衡和刀片摩擦.
- 证明了在升级之前识别刀片摩擦的能力.
- 展示了机器学习在诊断不同程度的刀片摩擦方面的有效性.
结论:
- 开发的机器学习方法可以在旋转机器中早期诊断刀片摩擦.
- 这种方法提供了一种可靠的方式来区分不平衡与刀片摩擦故障.
- 这些发现支持机器学习用于主动状态监测和旋转设备故障预防的应用.
关键词:
带排斥过器的带排斥过器是什么带通过波器的波器.刀片的摩擦 刀片的摩擦诊断 诊断 诊断 诊断 诊断 诊断基于特征的诊断 基于特征的诊断机器学习是机器学习.信号预处理 信号预处理轮机叶片的轮机叶片是什么更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
08:47Mimicking and Measuring Occlusal Erosive Tooth Wear with the "Rub&Roll" and Non-contact Profilometry
Published on: February 2, 2018
12.1K
