一种1D-CNN与多传感器信息融合的液压系统故障诊断方法 |
| |
引用本文: | 陈书辉,章猛,刘辉,张超勇.一种1D-CNN与多传感器信息融合的液压系统故障诊断方法[J].机械科学与技术(西安),2023(5):715-723. |
| |
作者姓名: | 陈书辉 章猛 刘辉 张超勇 |
| |
作者单位: | 华中科技大学数字制造装备与技术国家重点实验室 |
| |
基金项目: | 广东省重点领域研发计划项目(2019B090921001); |
| |
摘 要: | 针对液压信号复杂且难以诊断的难点,提出一种多尺度一维卷积神经网络与多传感器信息融合的深度神经网络模型(MS1D-CNN-MSIF)对液压泵与蓄能器进行故障诊断。在提出方法中,采用不同大小的卷积核对故障信号进行多尺度特征提取;然后使用多传感器信息融合策略将多个传感器的特征信号进行融合,最后使用Softmax进行分类识别。诊断蓄能器压力状态与液压泵泄漏状态的实验结果表明,与支持向量机、堆栈自编码、深度置信网络比较,提出模型具有更好的故障诊断性能,蓄能器识别精度可达99.50%,液压泵识别精度可达99.73%。
|
关 键 词: | 1D-CNN 多尺度卷积 多传感器信息融合 液压泵 蓄能器 深度神经网络 |
|