基于自适应降噪的柱塞泵故障音频特征提取方法
为了增强柱塞泵在强背景噪声下的音频信号特征,进而提高故障诊断准确率,提出了一种基于自适应降噪的柱塞泵故障音频特征提取方法.通过引入了 Gammatone倒谱变换进行特征的初步提取,将柱塞泵音频信号转化到时频域,并提出一种自适应降噪方法,去除了时频信号中与故障无关的背景噪音.最后通过Resnet-18神经网络开展了故障分类对比实验,结果表明,经过自适应降噪,柱塞泵故障诊断准确率提高至96.97%,验证了所提出的特征提取方法能够有效降低柱塞泵背景噪音的影响,从而提高了故障诊断的准确率.
柱塞泵、故障诊断、音频信号、信号降噪、神经网络
42
TH322(泵)
2023-06-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-6