|本期目录/Table of Contents|

[1]王祥安,王辉,李永红,等.基于1D-CNN的振弦传感器故障诊断及修复系统[J].工业仪表与自动化装置,2025,(02):87-91.[doi:10.19950/j.cnki.CN61-1121/TH.2025.02.016]
　WANG Xiangan,WANG Hui,LI Yonghong,et al.Fault diagnosis and restoration system for vibrating wire sensor based on 1D-CNN[J].Industrial Instrumentation & Automation,2025,(02):87-91.[doi:10.19950/j.cnki.CN61-1121/TH.2025.02.016]
点击复制

基于1D-CNN的振弦传感器故障诊断及修复系统(PDF)

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2025年02期
页码:
87-91
栏目:
出版日期:
2025-04-15

文章信息/Info

Title:
Fault diagnosis and restoration system for vibrating wire sensor based on 1D-CNN
文章编号:
1000-0682（2025）02-0087-05
作者:
王祥安; 王辉; 李永红; 等
（1.国电南瑞科技股份有限公司，江苏 南京 211106；2.中国长江电力股份有限公司，湖北 宜昌 443002）
Author(s):
WANG Xiangan;  WANG Hui;  LI Yonghong;  et al
(1. NARI Technology Co.,Ltd., Jiangsu Nanjing 211106, China; 2.China Yangtze Power Co., Ltd., Hubei Yichang 443002, China)
关键词:
振弦传感器; 一维卷积神经网络; 短时傅里叶变换; 故障预测与健康管理（PHM）系统
Keywords:
vibration string sensor;  one dimensional convolutional neural network;  short time Fourier transform;  fault prediction and health management system
分类号:
TH823
DOI:
10.19950/j.cnki.CN61-1121/TH.2025.02.016
文献标志码:
A
摘要:
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（PHM）系统，对振弦传感器故障识别、诊断与修复具有一定意义。
Abstract:
In the stress monitoring process, the vibrating wire sensor may fail to measure accurately due to poor installation, excessive wiring length, and inadequate excitation. A vibrating wire sensor fault diagnosis method based on a one-dimensional convolutional neural network (1D-CNN) has been introduced to assess the sensor’s functionality and pinpoint instrument malfunctions. The method utilizes the output signal amplitude of the vibrating wire sensor as input, enabling rapid and precise fault diagnosis. Additionally, employing the short-time Fourier transform, the decay components within the signal were identified, facilitating the repair of a vibrating wire sensor fault and restoring the sensor to operation. Ultimately, a Prognostics and Health Management (PHM) system for vibrating wire sensors has been developed, significantly aiding in the identification, diagnosis, and repair of sensor faults.

参考文献/References:

[1] 车铁成,邓涛,谢荣凯,等.基于振弦式传感器的桥梁施工安全监测系统设计[J].自动化与仪器仪表, 2021(11): 91-95.
[2] 琚家正,王勇,徐立新,等.公路边坡监控中传感器数据误差的处理方法研究[J].工程技术研究, 2020, 5(24): 21-23.
[3] DIWAKAR G, ROY L P. Statistical frequency estimation techniques for vibrating wire sensor signals[C]. TENCON 2019 - 2019 IEEE Region 10 Conference (TENCON), 2019: 1774-1777.
[4] 毛索颖,黄跃文,李云友.基于频谱反馈的振弦传感器自适应激励策略研究[J].传感技术学报, 2023, 36(04): 522-528.
[5] 姜云辉,程曦,金鑫鑫.基于频域法的振弦式传感器在南水北调中线安全监测中的应用[C].中国水利学会2019学术年会, 2019: 317-321.
[6] 胡业林,马向阳,钱文月,等.基于小波包信息熵和SO-SVM的滚动轴承故障诊断[J].电子测量技术, 2023, 46(14): 80-86.
[7] 田广强,乔珊珊,侯奥,等.基于快速傅里叶变换和改进T-S模糊神经网络集成模型的逆变器开路故障诊断方法研究[J].电力科学与技术学报, 2023, 38(06): 76-86.
[8] 李娜,曹丽明.一种风力发电机轴承故障智能诊断方法[J].工业仪表与自动化装置, 2022(05): 103-108.
[9] 徐婧雯,杨平,阴晓俊.基于EMD分解和Levy-SSA-BP神经网络的齿轮故障诊断[J].机械传动, 2024, 48(05): 152-157.
[10] 唐煜,冯笑凡,窦光武,等.锈蚀工况下振弦式应变传感器补偿理论及计算[J].公路交通科技, 2023, 40(12): 115-124.
[11] 曲晓峰,陈光伟.基于改进支持向量机的抽水蓄能发电机转子绕组接地故障检测方法[J].工业仪表与自动化装置, 2023(01): 97-102.
[12] 樊怀聪,田禾,冯明文,等.基于粒子群算法优化BP神经网络的轴承故障诊断[J].机械制造与自动化, 2024, 53(03): 45-49.
[13] 唐世祥,陈康,赵韧,等.振弦式传感器在大坝安全监测系统中的应用及施工期监测分析[J].水利水电技术, 2020, 51(S2): 361-366.
[14] 郝泽嘉,黄伟,马洪亮.频谱分析技术在南水北调中线干线工程安全监测仪器鉴定中的应用[C].中国水利学会2019学术年会, 2019: 406-412.
[15] 吴定海,任国全,王怀光,等.基于卷积神经网络的机械故障诊断方法综述[J].机械强度, 2020, 42(05): 1024-1032.
[16] 李世晓,杜锦华,龙云.基于一维卷积神经网络的机电作动器故障诊断[J].电工技术学报, 2022, 37(S1): 62-73.
[17] 李彦夫,韩特.基于深度学习的工业装备PHM研究综述[J].振动.测试与诊断, 2022, 42(05): 835-847+1029.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2024-07-15基金项目：长江电力股份有限公司项目Z242302017资助。第一作者：王祥安（1998—），男，安徽滁州人，研究生，主要研究方向为抽水蓄能电站安全监测。
更新日期/Last Update: 1900-01-01