Abstract: Y. Zhou, Z. Wang, X. Zuo, H. Zhao (2023)

Wear failure of the main bearings on marine diesel engines is difficult to diagnose online, especially to identify the wear mechanisms. To solve the problem, the recurrence plot (RP) was used to characterize the nonlinear characteristics of vibration signals. It was combined with convolutional neural networks (CNN), and the RP-CNN method was proposed. The new method was also compared with six common machine learning methods. Results show that the diagnostic accuracy of the RP-CNN method is more than 96% under five typical working condi-tions, which is better than the other methods. The confusion matrix shows that the normal state and the three mechanisms of fatigue wear, abrasive wear, and adhesive wear can be effectively identified.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Identification of wear mechanisms of main bearings of marine diesel engine using recurrence plot based on CNN model