噪声与振动控制

噪声与振动控制 ›› 2023, Vol. 43 ›› Issue (5): 175-180.

• 信号处理与故障诊断 • 上一篇    下一篇

基于SDP图像和深度卷积网络的发动机故障诊断

王运生1，王黎明2
（
  

  1. （ 1. 山西水利职业技术学院，信息工程系，太原044000；
    2. 中北大学信息与通信工程学院，太原030051 ）
  • 收稿日期:2022-05-17 修回日期:2022-07-26 出版日期:2023-10-18 发布日期:2023-01-13

Fault Diagnosis of Engines Based on SDP Image and Deep Convolutional Neural Network

  • Received:2022-05-17 Revised:2022-07-26 Online:2023-10-18 Published:2023-01-13

PDF

摘要： 为提高发动机故障诊断精度，提出一种基于对称极坐标（Symmetrized Dot Pattern，SDP）图像和深度卷积网络（Deep Convolutional Neural Network，CNN）的发动机故障诊断新方法。该方法以SDP变换为基础，将发动机故障振动信号转换为SDP图像，而后将SDP图像作为CNN的输入，实现发动机故障的CNN自适应特征提取和诊断。进行发动机典型故障实验，并利用所提方法进行故障诊断，结果表明，根据SDP图像可以直观地对发动机典型故障进行区分且耗时较少，而根据CNN网络可以有效地对SDP图像进行识别，诊断精度达到99.14 %，相比于其他几种方法，诊断精度和计算效率均得到提升。

关键词: 故障诊断, SDP图像, 极坐标, 卷积神经网络, 发动机