基于对抗自编码模型的高速泵异常检测
作者:王树宇; 袁嫣红; 张建义
更新时间:
针对传统的大型旋转机械健康状态评估方法过于依赖人工经验、复杂信号处理通用性差的问题,提出了一种基于反自编码模型的误差阈值异常检测方法。设备振动信号直接用于特征提取和运行状态建模,利用正常状态下的设备振动状态数据建立分布模型。通过深度学习了解振动数据的内部特征,引入误差阈值作为故障预警的决策准则,实现对设备运行状态的有效评估。以一台高速离心泵为试验对象,验证了该方法的有效性。结果表明,反自编码模型对异常数据的判断准确率可达100%。该方法可以根据监测数据有效地检测旋转设备的运行状态。与传统的自编码神经网络相比,该方法的诊断准确率和准确率都有很大提高。