基于小波、WAE和LSTM的压裂车故障诊断

动力系统作为压裂车的关键部件,其工作状况直接影响着压裂车的性能,压裂车工况多变,使得其动力系统故障诊断更加复杂。为解决压裂车动力系统振动信号的强时变性和强噪声特性而造成其故障难以辨识的问题,提出了一个基于提升多小波包(LMWP)、小波自编码器(WAE)和长短时记忆网络(LSTM)方法。首先对压裂车动力端采集的振动信号进行3层提升多小波包分解;其次计算各子频带的相对能量,构成原始特征向量;最后将原始特征向量经WAE降维,并输入LSTM网络实现压裂车动力系统故障诊断。试验结果表明,提出的故障诊断方法在不同工况下能够实现99%以上的诊断准确率,具有优于传统方法较强的泛化能力、特征提取能力和识别能力。所得结论可为压裂车动力系统诊断方法的进一步发展提供参考。

Fracture Truck Fault Diagnosis Based on Wavelet,WAE and LSTM