卷积神经网络在轴向柱塞泵故障诊断的应用

简介

柱塞泵作为液压系统的重要元件,其性能好坏直接影响液压系统的运转,因此柱塞泵的故障诊断一直是工程机械故障诊断的热点。针对传统的故障诊断方法需要人工设计并提取信号特征,信号特征提取不完善等问题,提出运用卷积神经网络对轴向柱塞泵进行故障诊断。在柱塞泵正常状态、松靴、配流盘磨损、滑靴磨损、中心弹簧失效五种工作状态下,采集柱塞泵的振动信号,将振动信号转化为频谱图与时频图,并加以标签标记,生成样本数据输入到卷积神经网络、深度置信网络、堆叠自动编码器进行不同网络性能比较。研究结果表明,当样本数据选择小波变换时频图,卷积神经网络相对于深度置信网络、堆叠自动编码器在轴向柱塞泵故障诊断方面具有更高的准确率,为92.17%。