Noise and Vibration Control ›› 2023, Vol. 43 ›› Issue (4): 116-121.
Previous Articles Next Articles
Online:
Published:
王海峰1,王则林2
摘要: 为提高往复压缩机的故障诊断精度,结合变分模态分解(Variational Mode Decomposition,VMD)、SDP变换和卷积神经网络(Convolution Neural Networ,CNN),提出基于VMD-SDP融合图像和CNN的往复压缩机故障诊断新方法。方法第一步通过VMD将信号自适应分解成6 个本征模态函数分量(Intrinsic Mode Functions,IMF),第二步通过SDP变换将6 个IMF分量变换成极坐标下的图像,从而得到VMD-SDP融合图像,第三步通过CNN对VMD-SDP融合图像进行识别,得到最终的诊断结果。往复压缩机诊断实例结果表明,所提方法在耗时更少的情况下,得到100 %的诊断精度,比其他几种方法更具优势。
关键词: 故障诊断, VMD, SDP, CNN, 往复压缩机
王海峰, 王则林. 基于VMD-SDP融合图像和CNN的往复压缩机故障诊断[J]. 噪声与振动控制, 2023, 43(4): 116-121.
0 / Recommend
Add to citation manager EndNote|Ris|BibTeX
URL: https://nvc.sjtu.edu.cn/EN/
https://nvc.sjtu.edu.cn/EN/Y2023/V43/I4/116