针对振弦传感器在应力监测过程中,受到埋设不良、接线过长、激振不足等影响,可能会无法准确测量的问题,提出了一种基于一维卷积神经网络(1D-CNN)的振弦传感器故障诊断方法,以振弦传感器输出信号幅值为输入,能快速准确诊断故障。同时,采...针对振弦传感器在应力监测过程中,受到埋设不良、接线过长、激振不足等影响,可能会无法准确测量的问题,提出了一种基于一维卷积神经网络(1D-CNN)的振弦传感器故障诊断方法,以振弦传感器输出信号幅值为输入,能快速准确诊断故障。同时,采用短时傅里叶变换,找到信号中的衰减分量,实现了对一种振弦传感器故障的修复,使得传感器重新投入运行。最后构建了振弦传感器的故障预测与健康管理(Prognostics and Health Management,PHM)系统,对振弦传感器故障识别、诊断与修复具有一定意义。展开更多
文摘针对振弦传感器在应力监测过程中,受到埋设不良、接线过长、激振不足等影响,可能会无法准确测量的问题,提出了一种基于一维卷积神经网络(1D-CNN)的振弦传感器故障诊断方法,以振弦传感器输出信号幅值为输入,能快速准确诊断故障。同时,采用短时傅里叶变换,找到信号中的衰减分量,实现了对一种振弦传感器故障的修复,使得传感器重新投入运行。最后构建了振弦传感器的故障预测与健康管理(Prognostics and Health Management,PHM)系统,对振弦传感器故障识别、诊断与修复具有一定意义。
