《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：赵群
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于同步挤压S变换和DRN的压裂车故障诊断研究

作者：许旭，陈志刚，杜小磊,等日期：2020-01-15/span> 浏览：1326 查看PDF文档

基于同步挤压S变换和DRN的压裂车故障诊断研究*

许旭1，陈志刚1,2*，杜小磊1，张楠1，钟新荣3

(1.北京建筑大学机电与车辆工程学院，北京 100044；2.北京市建筑安全监测工程技术研究中心，北京 100037；3.中国石油集团川庆钻探工程有限公司长庆井下技术作业公司，陕西西安710021)

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。

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

中图分类号：TP183；TE934 文献标识码：A 文章编号：1001-4551(2019)12-1325-06

本文引用格式：
许旭，陈志刚，杜小磊,等.基于同步挤压S变换和DRN的压裂车故障诊断研究［J］.机电工程，2019，36(12)：1325-1330.
XU Xu, CHEN Zhigang, DU Xiaolei, et al. Fault diagnosis of fracturing truck based on SSST and DRN［J］.Journal of Mechanical & Electrical Engineering, 2019,36(12):1325-1330.
《机电工程》杂志：http://www.meem.com.cn