回転機械は機械設備の核心部品であり、故障が発生すると大きな損失をもたらすため、回転機械のリアルタイム監視と診断が非常に重要です。本論文では、回転機械の監視診断に関する研究を行い、深層学習に基づく回転機械の赤外線知能診断方法を提案します。回転機械故障シミュレーション試験台を構築し、電動機の正常、過負荷、短絡の3状態およびロータシステムの正常、不平衡、不整列の3状態をプリセットしました。赤外線サーモグラフィを使用して回転機械表面温度を収集し、赤外線画像化と強化を行いました。目標検出アルゴリズムを用いて画像中の回転機械部品を認識および位置特定し、検出結果に基づいて部品領域の赤外線画像を再構成しました。最後に画像分類アルゴリズムを使用して2種類の部品の状態分類を行い、知能的な故障診断を実現しました。実験結果は、本方法が本論文中の回転機械システムに対して90.06％の診断精度を示し、良好な知能診断効果を得たことを示しています。さらに、本方法とプロセスは部品タイプや故障種類の拡張後、回転機械故障診断および機械故障診断全般に一定の参考および応用価値を持ちます。

回転機械;深層学習;赤外線故障診断