渐进式挤塑螺杆磨损检测中原始电流与连续小波变换信号建模流程的对比评估
《Processes》:Leakage-Controlled Classification of Extrusion Screw Condition Using Wavelet and Deep Learning Methods
【字体:
大
中
小
】
时间:2026年09月25日
来源:Processes 3.4
摘要
渐进式挤塑螺杆磨损会改变螺杆与材料之间的相互作用,并可能通过运行过程中采集的工艺信号反映出来。本研究在明确控制时间信息泄漏的前提下,对比了原始信号与连续小波变换(CWT)为基础的建模流程。在两项大豆挤出实验中,分别对经独立验证的螺杆新状态和磨损状态下三个电机相电流及四个料筒温度进行了1 Hz同步测量。研究采用相同的泄漏控制时间折方法,评估了五种流程:基于时间域描述符与RBF-SVM、基于手工构造CWT描述符与RBF-SVM、原始电流一维卷积神经网络(1D-CNN)、CWT时频图二维卷积神经网络(2D-CNN),以及融合热特征的CWT-CNN。原始电流1D-CNN取得了最高的平均平衡准确率(0.700 ± 0.075),而基于CWT的2D-CNN获得了最高的平均ROC-AUC(0.839 ± 0.160);然而,M3与M2的配对ROC-AUC置信区间包含零值。手工构造的CWT描述符表现不及传统时间域描述符,且热特征融合未能改善时间泛化能力。因此,研究结果并未证实CWT具有固有优势。由于M2与M3在表示方式和网络架构上均存在差异,二者的对比应在流程层面进行解读,而非将其视为孤立的CWT效应。本研究的证据仅限于两项实验内部对两种螺杆状态的时间区分能力,并未建立跨独立实验的可迁移磨损诊断能力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号