基于1DCNN-GWO-SVM的柴油機噴油系統(tǒng)故障診斷方法研究

打開文本圖片集

摘要： 準確、有效的故障診斷是柴油機安全可靠運行的重要保障。基于熱工參數(shù)診斷的方法存在測點多、專業(yè)性強等問題，傳統(tǒng)機器學習結(jié)合振動信號診斷方法存在人為影響因素過高、不確定性大等問題，因此提出了一種基于1DCNN-GWO-SVM的柴油機噴油系統(tǒng)故障診斷方法。首先利用一維卷積神經(jīng)網(wǎng)絡（one-dimensional convolutional neural network，1DCNN）對時域下的柴油機振動加速度信號進行自學習特征提取，然后利用提取到的特征向量訓練支持向量機（support vector machine，SVM）分類模型，并利用灰狼優(yōu)化算法（grey wolf optimization，GWO）對SVM的C，g等超參數(shù)進行尋優(yōu)，以此來實現(xiàn)對柴油機的“端對端”故障診斷。（剩余11532字）