面向矿用机电设备数字孪生模型的故障特征提取与识别技术

为满足矿用机电设备的智能化故障诊断需求,基于数字孪生模型提出了一种故障特征提取与识别技术方案。该方案主要包括机电设备的数字孪生建模和故障特征提取与识别两方面。通过卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型完成数字孪生的建模;使用数据可视化技术和Z-score标准化方法对数据进行处理和筛选,利用小波变换方法进行故障特征提取,并设计一种基于CNN的故障识别算法。相比于传统方法,所提出的故障识别算法能够有效提高故障识别的准确率和实时性。实验测试结果表明:所构建的数字孪生模型能够准确地模拟和表征设备运行情况,验证了所提方法的正确性和有效性;而且故障识别准确率高于同类技术模型,在提高故障诊断效率方面的工程应用效果良好。

资料为PDF文档格式.

本文档关键词:孪生,故障,识别,提取,模型