基于深度学习的齿轮泵故障诊断方法研究

摘要

为降低齿轮泵发生故障后对工作效率的影响,将深度学习技术应用到齿轮泵故障诊断分析中,以BP神经网络为基础搭建多层感知器模型。首先,对齿轮泵的出口压力信号进行特征量提取、归一化处理等一系列处理,构建特征向量;然后,将特征信号输入到BP神经网络模型中进行模型训练,通过调节学习率、误差容限、动量因子等初始值将实验样本进行分类、预测;接着,再次将特征信号输入到多层感知器模型中,实现对齿轮泵的故障状态识别。结果表明,与BP神经网络算法相比,利用深度神经网络构建多层感知模型能够有效地诊断出齿轮泵是否发生故障,准确率可以达到 95.56%以上。