梁小康

(陕西能源冯家塔矿业运营有限责任公司，陕西 西安 710021)

转子与静子之间的碰摩是机械中常见的故障，该类故障一旦发生，轻则影响机器正常运行，严重的话有可能会发生生产事故，造成无法挽回的损失。开展针对机械故障检测的研究具有较强的实践意义。声发射检测是一种基于声发射信号来评定材料性能的无损检测技术，采用基于声发射信号的故障检测，可以实现不影响机组运行前提下，完成设备检测。当前，有许多学者从不同领域对基于声发射检测技术进行了深入的研究，考虑到特征对识别的重要影响，如何提取有效的特征，受到了学者的诸多关注。例如，2010 年，邓艾东等人[1]提出了一种基于时延神经网络(Time-Delay Neural Network，TDNN) 和高斯混合模型(Gaussian Mixed Model，GMM)的声发射信号分类方法，取得良好的效果。近些年，随着机器学习技术的发展，深度学习受到了广泛的关注。

卷积神经网络(Convolutional Neural Network，CNN)是一类包含卷积计算的前馈神经网络，20 世纪80 年代至90 年代，LeCun Yann 等人[2]就提出了LeNet－5 网络，在手写字识别上取得了显著的结果。随着计算机性能的快速提升，卷积神经网络得以迅速发展，2012 年Hinton 和Alex Krizhevsky 所设计的AlexNet[3]卷积神经网络，以压倒性的优势获得了ImageNet 分类比赛的冠军，展现出了卷积神经网络的优势及所蕴含的巨大潜力，目前CNN 已经在图像分割[4]、手写字识别[5－6]、图像分类等场景中有诸多应用。当前，已有部分学者开展了基于CNN 故障检测相关技术的探索，并取得了部分成果，推动了故障诊断水平的提升。……