摘要： 针对泵机组在实际运行时存在噪声干扰及故障诊断精度不高等问题，提出一种信息重构融合深度学习的泵机组故障诊断方法。首先，利用红嘴蓝鹊优化算法(Red-billed Blue Magpie Optimizer，RBMO)优化变分模态分解(Variational Mode Decomposition，VMD)，将振动信号分解为一系列子序列；其次，使用排列熵(Permutation Entropy，PE)和滤波算法对振动信号进行降噪重构，并利用图形差分场(Motif Difference Field，MDF)将重构信号转换为二维图像；最后，将生成的图像输入以EfficientNet 网络为框架的神经网络中，输出诊断结果。通过实验进行验证，结果表明所提方法可以实现对故障的准确分类，并且在强噪声干扰的情况下，其相比其他方法有更好的抗噪性和更高的准确度。

关键词: 故障诊断, 红嘴蓝鹊优化算法, 变分模态分解, 信息重构, 图形差分场