基于原始振动信号的往复压缩机卷积神经网络故障诊断

作者：杨洪柏; 聂昂; 张江安; 张宏利; 刘树林

来源：机械设计与制造工程, 2018, 47(09): 67-70.

DOI：10.3969/j.issn.2095-509X.2018.09.017

• 原始振动信号
• 往复压缩机
• 故障诊断
• 卷积神经网络

往复压缩机振动信号特性复杂,传统特征提取方法难以有效提取故障特征,从而影响故障诊断效果。提出了基于原始振动信号卷积神经网络(RVCNN)的方法,将采集的一维原始振动信号作为输入,充分利用卷积神经网络(CNN)自动提取信号特征的特性,对往复压缩机故障进行特征提取及诊断。使用从试验台获得的压缩机气阀故障数据样本进行测试,结果表明,与传统方法相比,RVCNN方法具有更高的故障识别率和更好的抗噪性能。

• 单位
  上海工程技术大学; 上海开放大学; 上海大学; 自动化学院