文档名：基于EWT和DRN的压裂车动力系统故障诊断方法
针对压裂车动力系统野外工作时振动信号的强时变性和强噪声特性,提出了一个基于经验小波变换(EmpiricalWaveletTransform,EWT)和深度残差网络(DeepResidualNet,DRN)的故障诊断模型.根据该模型对2000型压裂车动力端采集的振动信号进行经验小波变换,得到时频图像,然后对图像进行灰度化和归一化,再将灰度图降维至适当大小,并将压缩后的时频图像作为深度残差网络DRN的输入,建立基于EWT和DRN的Softmax分类模型,以实现压裂车动力系统的故障诊断.实验结果表明,该方法能有效识别压裂车动力系统的故障类型,具有优于传统卷积神经网络的较强的泛化能力、特征提取能力和识别能力.
作者：杜小磊 陈志刚 张俊玲 钟新荣 卢宁
作者单位：北京建筑大学机电与车辆工程学院北京100044北京建筑大学机电与车辆工程学院北京100044;北京市建筑安全监测工程技术研究中心北京100044中石油川庆钻探长庆井下技术作业公司西安721001
母体文献：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议论文集
会议名称：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议
会议时间：2018年8月1日
会议地点：内蒙古包头
主办单位：中国机械工程学会,中国振动工程学会,中国设备管理协会
语种：chi
分类号：
关键词：压裂车 动力系统 故障诊断 经验小波变换 深度残差网络
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文
- 文件大小:
- 891.77 KB
- 下载次数:
- 60
-
高速下载
|
|
