|
|
1.
基于GAF-CNN的船用空压机故障噪声诊断方法
董明, 崔德馨, 李祥林
船舶
2025, 36 (01):
106-114.
DOI: 10.19423/j.cnki.31-1561/u.2024.068
船用空压机工作环境恶劣,内外激励源众多,采集的噪声信号具有强烈的时变性,会导致故障诊断精度较低,难以实现船用空压机各类故障的有效识别。为此,该文提出将格拉姆角场（Gramian angular field,GAF）编码和卷积神经网络（convolutional neural network,CNN） 法相结合的故障诊断方法。首先,阐述了GAF和CNN的基本原理、方法和实施步骤;然后,通过试验模拟了船用空压机的各类故障,并采集相应噪声信号,再利用GAF将一维时域信号转换为二维图像,将特征信息映射为二维图像的颜色、点等纹理特征;最后,将二维图像输入至CNN中进行特征提取和故障诊断。试验结果表明：在保证运行效率的前提下,该方法能够有效识别船用空压机的各类故障,诊断精度达到99.2%,优于其他算法,可为船舶故障智能诊断的应用提供了新途径和新思路。
参考文献 |
相关文章 |
多维度评价
|
|
