科研之友
微信
新浪微博
Facebook
分享链接
摘要
在处理含有复杂的噪声成分水声信号时，采用传统的信号处理方法存在一定的困难，并影响水下采油树阀门泄漏故障诊断精度，针对这一问题，提出了一种基于改进的深度神经网络(DNN)的非接触式阀门故障诊断方法。首先，基于阀门泄漏理论，在COMSOL仿真环境下，结合轴对称自由射流模型、四极子声源远场声压求解算法，建立了阀门泄漏射流声场模型；然后，基于降噪的基本理论，建立了DNN降噪基本模型，将时频域信号输入到构造好的DNN模型中进行了降噪处理，以最小化信号中的噪声成分；最后，利用经过降噪处理后的水声信号，将其输入构建好的卷积神经网络中，实现了故障诊断目的；设计并进行了水声实验，以验证基于改进的深度神经网络(DNN)的故障诊断方法的有效性。研究结果表明：经过DNN处理后的水声信号，其噪声成分明显降低，其归一化均方误差值由0.499 2最低降至0.011 0,降幅达97.80%;经过DNN处理后的信号，其故障诊断准确率也达到了98.89%,证明了该方法能有效地诊断阀门的泄漏故障。
- 单位
