一种基于指标的深度信念网络的轴向柱塞泵多故障诊断方法

摘要

本发明涉及一种基于指标的深度信念网络轴向柱塞泵多故障诊断方法。首先预定义各类已知故障类型的故障模式，并采集各个故障类型的原始振动信号；其次对原始振动信号做时域统计量分析、频域统计量分析、以及时频域的能量分析，得到时域指标、频域指标和时频域指标，形成每一个故障模式的指标数据集；然后，构建出所有已知故障模式的指标数据集，作为训练样本，输入至深度信念网络中实现模式特征的自动学习；最后将未知故障模式的指标数据集作为测试样本，输入到训练好的深度信念网络模型，实现对需要监测的未知故障类型的模式识别。本发明方能够有效地解决轴向柱塞泵的多故障识别问题，为轴向柱塞泵的故障诊断提供了一种新的解决方法。