《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：陈晓
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D-1DCNN的轴向柱塞泵故障诊断研究

作者：徐昌玲,黄家海,兰媛,等. 日期：2022-01-19/span> 浏览：1495 查看PDF文档

基于D-1DCNN的轴向柱塞泵故障诊断研究*

徐昌玲1,黄家海1,2,兰媛1,2*,武兵1,2,钮晨光1,2,马晓宝1,2,李斌3

(1.太原理工大学机械与运载工程学院,山西太原 030000;2.太原理工大学新型传感器与智能控制

教育部重点实验室,山西太原 030000;3.太原卫星发射中心技术部,山西太原 030027)

摘要:由于传统浅层模型对故障的表征能力有限,同时信号特征的提取又过分依靠专家经验,针对这些问题,提出了一种基于深度一维卷积神经网络(D-1DCNN)的轴向柱塞泵故障诊断方法。首先,采集了柱塞泵正常、松靴、滑靴磨损、中心弹簧失效、配流盘磨损5种状态下的振动信号,并将这些信号制作成样本集,

加以标签标记，将样本集划分为训练样本与测试样本;
然后,将样本输入到D-1DCNN中,进行了训练样本信号的特征提取工作,通过前向传播和反向传播方式得到了D-1DCNN的具体模型;再使用SoftMax分类器对测试样本进行了分类,并对网络模型中的参数进行了调整,得到了柱塞泵故障诊断的准确率值;最后,通过西储大学的轴承故障信号对此进行了仿真对比。研究结果表明:采用该方法对轴向柱塞泵故障进行诊断,其准确率可达到100%;使用D-1DCNN对柱塞泵进行故障诊断时,不需要人工设计或提取特征过程便可实现诊断过程的智能化;对于不同的故障诊断对象,该方法也具备良好的诊断效果,因而具有一定的普适性。

关键词:轴向柱塞泵;故障诊断;深度一维卷积神经网络;深度学习;SoftMax

徐昌玲,黄家海,兰媛,等.基于D-1DCNN的轴向柱塞泵故障诊断研究［J］.机电工程,2021,38(11):1494-1500.