基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

• 作者: 赵志坚 茆志伟 张进杰 江志农
• 来源期刊: 北京化工大学学报（自然科学版）
• 关键词: 柴油机 故障诊断 复Morlet变换 AlexNet神经网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 机电工程和信息科学|Mechanical Engineering and Informatics
• 页码范围: 64-70
• 页数: 7页
• 分类号: TK427
• 语种: 中文
• DOI: 10.13543/j.bhxbzr.2021.04.008

摘要

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法.首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性.