基于同步挤压S变换和DRN 的压裂车故障诊断研究

• 作者: 张楠 杜小磊 许旭 钟新荣 陈志刚
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 压裂车 故障诊断 同步挤压S变换 深度残差网络 深度学习
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 自动化、计算机技术
• 页码范围: 1325-1330
• 页数: 6页
• 分类号: TP183|TE934
• 字数: 4945字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2019.12.018

摘要

针对压裂车在复杂工况高载荷环境下动力端振动信号故障特征难以准确提取和辨识的问题,结合深度残差网络(DRN)的优势,提出了一种基于同步挤压S变换(SSST)和深度残差网络的故障诊断方法.首先利用同步挤压S变换优越的时频分解特性,对2000型压裂车动力端采集的振动信号进行了分解和变换,得到了时频图像;然后对图像进行了灰度化和归一化,再将灰度图降维至适当大小,将压缩后的时频图像作为DRN模型的输入;最后建立了基于SSST特征提取和DRN的分类识别模型,并进行了测试,实现了压裂车动力端的故障诊断.研究结果表明:该方法避免了复杂的人工特征提取过程,在强背景噪声下能够有效提高压裂车动力端故障状态识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志刚	北京建筑大学机电与车辆工程学院	31	44	4.0	6.0
3	杜小磊	北京建筑大学机电与车辆工程学院	14	5	2.0	2.0
6	张楠	北京建筑大学机电与车辆工程学院	29	26	2.0	4.0
7	许旭	北京建筑大学机电与车辆工程学院	10	2	1.0	1.0
8	钟新荣		7	12	2.0	3.0