基于深度学习的柱塞泵故障诊断方法研究

发布时间：2024-03-02 11:27

　　随着我国轨道交通的快速发展,列车安全问题日益突出,从而会影响运行效率和费用。其中,轨道转换装置是轨道运输中的重要组成部分,而柱塞泵作为轨道转换装置的核心部件,其运行的安全性关系到铁路交通能否正常运转。传统的柱塞泵由人工进行维护,但这种方式存在着严重的滞后性和被动性。近年来,随着深度学习的不断发展和进步,各种神经网络模型在柱塞泵故障诊断领域得到了广泛的应用和推广,但仍存在以下问题:故障诊断率低和实际采集到的数据不平衡。为解决上述问题,本文提出了基于CNN-LSTM-Attention和基于双通道特征融合的CNN-Bi GRU-Attention两种模型来解决故障诊断率低的问题,并采用SMOTE+Tomek Link解决样本不平衡的问题。本文主要研究工作如下:(1)设计了基于注意力机制的CNN-LSTM柱塞泵故障诊断模型。该模型可在确保故障诊断结果的前提下,克服传统基于经验的先验知识,降低人为特征抽取和选取所造成的不确定因素,实现了对原始振动信号的高效自动化。实验结果表明该模型对于柱塞泵故障诊断有着明显的效果。(2)构建了基于SMOTE+Tomek Link和双通道特征融合的CNN-Bi ...

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

图2LeNet-5网络结构

华北理工大学硕士学位论文-8-部分进行反应，并在图像处理中具有出色的性能。其结构主要包括卷积层、池化层、全连接层和输出层。卷积神经网络通过卷积层对图像特征进行提取，通过池化层对图像进行降维，全连接层和输出层对图像特征进行直观展现和分类。传统的卷积神经网络LeNet-5网络结构如图....

图3自编码器网络结构

华北理工大学硕士学位论文-8-部分进行反应，并在图像处理中具有出色的性能。其结构主要包括卷积层、池化层、全连接层和输出层。卷积神经网络通过卷积层对图像特征进行提取，通过池化层对图像进行降维，全连接层和输出层对图像特征进行直观展现和分类。传统的卷积神经网络LeNet-5网络结构如图....

图4深度置信网络Fig.4Deepbeliefnetworks

第1章绪论-9-RBM都可以单独用作聚类器。RBM只有两层神经元，一层叫做显层，由显元组成，用于输入训练数据。另一层叫做隐层，相应地的由隐元组成，用作特征检测器。多层DBN组成一个神经网络，使用非监督贪婪逐层方法去预训练获得权值。最后结合反向传播算法进行微调。深度置信网络结构如图....

图5循环神经网络Fig.5Recurrentneuralnetwork

第1章绪论-9-RBM都可以单独用作聚类器。RBM只有两层神经元，一层叫做显层，由显元组成，用于输入训练数据。另一层叫做隐层，相应地的由隐元组成，用作特征检测器。多层DBN组成一个神经网络，使用非监督贪婪逐层方法去预训练获得权值。最后结合反向传播算法进行微调。深度置信网络结构如图....

本文编号：3916789