Noise and Vibration Control ›› 2022, Vol. 42 ›› Issue (6): 137-142.

Previous Articles     Next Articles

Fault Diagnosis of Airborne Fuel Pumps Based on Improved CNN-SVM

  

  • Received:2021-12-23 Revised:2022-04-02 Online:2022-12-18 Published:2022-12-18

基于改进的CNN-SVM的机载燃油泵故障诊断

章余景博焦晓璇何宇廷孙宏达鲍杰   

  1. ( 空军工程大学航空工程学院,西安710038 )

摘要: 针对机载燃油泵故障诊断过程中存在需要先验知识、专家经验、特征解释及信号特征提取困难等问题,提出基于模拟退火遗传优化CNN-SVM的诊断方法。该方法利用CNN具有自动提取故障特征的特性实现特征快速提取。并针对传统CNN诊断方法所存在网络结构不确定、计算效率低等问题,采用模拟退火遗传算法对其模型结构和参数进行优化,使用SVM取代全连接层的Softmax 分类器优化CNN分类效果,最后应用t 分布随机近邻嵌入使其故障特征学习过程可视化,评估其特征提取能力。试验结果表明:与SA-GA-CNN、1DCNN、ANN、GA-SVM及GA-BP诊断方法相比,基于改进CNN-SVM的方法能更有效实现机载燃油泵的故障诊断。

关键词: 故障诊断, CNN-SVM, 模拟遗传退火算法, 机载燃油泵, 故障特征可视化