旋转机械红外智能状态监测与故障诊断

旋转机械是机械设备的核心部件,一旦发生故障将会造成重大损失,因此旋转机械的实时监测诊断十分必要,为此本文针对旋转机械监测诊断开展研究,提出了一种基于深度学习的旋转机械红外智能诊断方法.搭建了旋转机械故障模拟实验台,预置电动机正常、过载、短路三种状态以及转子系统正常、不平衡、不对中三种状态,使用红外热像仪采集旋转机械表面温度,然后进行红外成像与增强;使用目标检测算法对图像中的旋转机械部件进行识别和定位,并根据检测结果对部件区域进行红外图像重构;最后使用图像分类算法对两类部件进行状态分类,从而实现智能故障诊断.实验结果表明,该方法对于本文中的旋转机械系统智能故障诊断准确率为90.06％,取得了较好的智能诊断效果.此外,该方法和流程经过部件类型和故障种类的扩展后,对于旋转机械故障诊断乃至机械故障诊断具有一定的参考和应用价值.