已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Flexible rotor unbalance fault location method based on transfer learning from simulation to experiment data

转子(电动) 振动 控制理论(社会学) 职位(财务) 断层(地质) 计算机科学 动平衡 直升机旋翼 工程类 人工智能 物理 声学 机械工程 控制(管理) 财务 地震学 经济 地质学
作者
Shuo Han,Zihuimin Wang,Hao Zhang,Fanyu Zhang,Qingkai Han
出处
期刊:Measurement Science and Technology [IOP Publishing]
卷期号:34 (12): 125053-125053 被引量:1
标识
DOI:10.1088/1361-6501/acf67e
摘要

Abstract In the study of the high-speed dynamic balance of flexible rotors, rotor unbalance positioning is a challenging topic. Particularly for slender rotors, the axial position of the unbalance has an important influence on the high-speed dynamic balance. The unbalance at different axial positions is not the same or even opposite in different rotor mode vibration behaviors. If the unbalance position of a rotor can be identified, the actual unbalance of the rotor can be reduced from the root. This balance method has the same effect in each vibration mode of the rotor; hence, low-speed dynamic balance can be realized to replace high-speed dynamic balance, considerably saving on costs. Deep learning based on few labeled samples can achieve good results for the identification of unbalanced positions; however, there are infinite potential positions of unbalance in the actual rotor. It is difficult to collect sufficient labeled samples to train a reliable intelligent diagnostic model. Fortunately, a large number of rotor vibration datasets labeled with different unbalance positions are available using the rotor dynamic model, and the unbalance position data calculated using the dynamic model contain diagnostic knowledge related to the rotor unbalance position data measured in the rig. Hence, inspired by transfer learning, this study proposed a transfer learning method using dynamic model simulation and experiment data for flexible rotor unbalance fault location. Cross-domain deep transfer recognition of rotor unbalance position was realized.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
神奇小鹿完成签到 ,获得积分10
刚刚
泥巴发布了新的文献求助10
1秒前
2秒前
Tiwiiw完成签到 ,获得积分10
3秒前
小杏韵发布了新的文献求助10
4秒前
4秒前
10秒前
11秒前
嘻嘻完成签到,获得积分10
13秒前
学渣本渣发布了新的文献求助10
17秒前
19秒前
Owen应助无辜的代梅采纳,获得10
21秒前
Xu完成签到 ,获得积分10
24秒前
结实的荷发布了新的文献求助10
26秒前
27秒前
留胡子的思真完成签到,获得积分10
27秒前
嘻嘻发布了新的文献求助30
27秒前
所所应助YYY采纳,获得10
30秒前
星辰大海应助哈哈哈采纳,获得10
30秒前
兔子完成签到,获得积分20
30秒前
科研通AI2S应助学渣本渣采纳,获得10
31秒前
ding应助只爱医学不爱你采纳,获得10
33秒前
weicc完成签到,获得积分10
34秒前
35秒前
结实的荷完成签到,获得积分10
36秒前
在水一方应助Levent采纳,获得10
36秒前
38秒前
1111发布了新的文献求助10
38秒前
39秒前
ppg123应助还单身的语琴采纳,获得10
42秒前
44秒前
兔子发布了新的文献求助30
44秒前
YYY发布了新的文献求助10
44秒前
文艺馒头完成签到,获得积分10
45秒前
kk完成签到,获得积分10
46秒前
1111完成签到,获得积分10
47秒前
47秒前
文艺馒头发布了新的文献求助10
48秒前
51秒前
赘婿应助真实的小伙采纳,获得10
52秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3248551
求助须知:如何正确求助?哪些是违规求助? 2891977
关于积分的说明 8269308
捐赠科研通 2560053
什么是DOI,文献DOI怎么找? 1388842
科研通“疑难数据库(出版商)”最低求助积分说明 650913
邀请新用户注册赠送积分活动 627798