基于加窗和卷积神经网络的柴油机拉缸故障诊断

摘要

cqvip:柴油机发生拉缸故障时,其振动信号较为复杂,而且伴有较强的背景噪声。为实现柴油机拉缸故障诊断,提出了基于加窗和卷积神经网络(Convolution Neural Network,CNN)的方法,实现了端到端的故障模式识别。首先将已产生拉缸故障的活塞缸套装入6-135柴油机,进行拉缸故障试验,测取典型工况下机体表面的加速度信号;然后根据柴油机的结构和配气相位分布,分析确定加速度信号的加窗位置并进行加窗处理,得到加窗后信号样本,分为训练集和测试集;再将训练集输入到CNN中不断学习,更新模型参数;最后将训练好的CNN模型应用于测试集,输出故障识别结果。结果表明:基于加窗和CNN的方法可以有效地实现柴油机拉缸故障的诊断。