《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CBLRE模型的轴向柱塞泵空化状态检测研究

作者：李志杰,兰媛,黄家海,等日期：2022-07-20/span> 浏览：666 查看PDF文档

基于CBLRE模型的轴向柱塞泵空化

状态检测研究*

李志杰1,兰媛1,2*,黄家海1,2,牛蔺楷1,2,袁科研1,范佳祺1,武兵1,2

(1.太原理工大学机械与运载工程学院,山西太原 030024;

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 030024)

摘要:空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展,需要对柱塞泵的空化状态检测与智能故障诊断展开研究,因此,结合深度学习网络与非线性分类器的优点,提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型)。首先,对不同空化状态下柱塞泵的一维原始振动信号进行了数据增强,并对其进行了标准化处理;然后,利用卷积神经网络(CNN)自动提取信号的特征,并对其进行了特征降维处理;利用双向长短期记忆(BiLSTM)网络学习特征序列的时间依赖性,利用正则化极限学习机(RELM)的非线性分类器对特征进行了分类,实现了对柱塞泵的空化状态检测与智能故障诊断;最后,为测试CBLRE模型的性能,搭建了实验平台,在此之上将CBLRE模型与其他模型进行了对比,分析了该模型在不同工况下的性能表现。研究结果表明:该模型的结构稳定、训练时间短,且在不同负载下均可保持良好的泛化性能,空化状态识别率均达到99%以上,该结果验证了柱塞泵空化状态识别方法的有效性;此外,该模型还可有效识别空化现象与柱塞泵的其他故障。

关键词:容积泵;轴向柱塞泵;空化现象;卷积神经网络;双向长短期记忆网络;正则化极限学习机;深度学习网络;非线性分类器

中图分类号:TH322;TP391.4文献标识码:A文章编号:1001-4551(2022)05-0634-07

本文引用格式:

李志杰,兰媛,黄家海,等.基于CBLRE模型的轴向柱塞泵空化状态检测研究［J］.机电工程,2022,39(5):634-640.

LI Zhi-jie, LAN Yuan, HUANG Jia-hai, et al. Cavitation state detection of axial piston pump based on CBLRE model［J］.Journal of Mechanical & Electrical Engineering, 2022,39(5):634-640.