基于多样性特征和多源信息的分子泵故障诊断

发布时间：2021-05-06 04:35

　　为了实现准确可靠的涡轮分子泵故障诊断,提出了一种基于多样性特征和多源信息的分子泵故障诊断方法。在分子泵实验台上采集到分子泵不同故障下多个测点的振动信号,经过预处理后随机分为训练集和测试集。首先通过改变激活函数形成多个去噪自编码器,之后利用生成的深度自编码器对数据集进行多样性特征提取,最后将提取到的特征用于训练支持向量机（SVM）进行故障分类。实验结果表明该方法可以实现分子泵的准确故障诊断,准确率达到98.9%,而且在训练集不平衡或高背景噪声情况下依旧表现良好。 

【文章来源】：真空科学与技术学报. 2020,40(01)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 故障诊断原理
    1.1 去噪自编码器
    1.2 支持向量机分类器
    1.3 故障诊断流程图
2 分子泵故障诊断实验
    2.1 故障模式
    2.2 实验平台和实验数据
3 结果与讨论
    3.1 分类准确率
    3.2 特征可视化
    3.3 效果对比
    3.4 训练集不平衡的影响
    3.5 噪声的影响
4 结论



本文编号：3171247