基于LSTM和CNN的高速柱塞泵故障诊断

作者：魏晓良; 潮群; 陶建峰; 刘成良; 王立尧

来源：航空学报, 2020, 1-12.

• 高速轴向柱塞泵
• 空化等级识别
• 长短时记忆
• 卷积神经网络
• 故障诊断 high-speed axial piston pump
• cavitation intensity identification
• long short-term memory
• convolutional neural network
• fault diagnosis

针对高速轴向柱塞泵容易发生空化，且目前空化故障诊断方法存在依赖手工特征提取、鲁棒性不高的问题，提出了一种基于长短时记忆(LSTM)和一维卷积神经网络(1D-CNN)相结合的空化故障诊断方法。搭建了柱塞泵故障实验台，采集柱塞泵在不同空化等级下的壳体振动信号。利用LSTM和1D-CNN搭建的分类模型对不同进口压力情况下的振动信号进行空化等级识别。实验结果表明：提出的方法能够准确地识别出四类不同的空化等级，准确率高达99.5%，同时在不附加降噪方法的情况下，具有良好的鲁棒性，在0 dB信噪比的情况下，识别准确率高达87.3%。

• 单位
  机械系统与振动国家重点实验室; 上海交通大学