基于循环频谱相干和DCNN的隔膜泵单向阀故障诊断方法研究

• 作者: 冯泽仲 熊新 王晓东
• 来源期刊: 振动与冲击
• 关键词: 循环频谱相干(CSCoh) 深度卷积神经网络(DCNN) 隔膜泵单向阀 故障诊断
• 年，卷（期）: 2021,（14）
• 页码范围: 237-244,291
• 页数: 9页
• 分类号: TH17|TH911.7
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2021.14.031

摘要

针对传统的机器学习方法过分依赖特征提取的质量,而深度学习在强干扰条件下其故障辨识率不佳的问题,提出了一种基于循环频谱相干(CSCoh)和深度卷积神经网络(DCNN)的故障诊断方法,并将其应用于实际工况环境下的隔膜泵单向阀故障诊断当中.对振动信号进行循环平稳特性分析,利用快速循环相关谱计算方法将原始振动信号生成二维CSCoh图;将生成的CSCoh图作为输入从而降低深度诊断模型中特征学习的难度,通过构建DCNN模型,并引入批量归一化和Dropout技术来提升模型的收敛速度和泛化能力;利用所提模型对故障进行分类识别,进而实现单向阀的故障诊断.结果 表明,该方法可以准确地识别单向阀的故障类型,并具有较好的泛化性能.