基于DTCNN-SVM的工业循环水系统供水泵故障诊断

摘要：

工业循环水系统供水泵的工作状态是影响工业过程安全生产的重要因素,为及时准确地识别供水泵的工作状态,提出一种基于深度迁移卷积神经网络和支持向量机(deep transfer convolutional neural network-support vector machine,DTCNN-SVM)的故障诊断方法.将与工作状态强相关的振动信号进行信号-图像预处理,实现振动时序信号的二维灰度图化;在此基础上,采用融合迁移学习与残差神经网络的深度迁移卷积神经网络模型提取振动信号灰度图特征,并基于模糊不一致性度量对深度学习特征进行约简;采用支持向量机法建立供水泵故障诊断模型.试验结果表明,所提方法在少量样本数据和模型参数下能有效识别供水泵工作状态.

关键词：供水泵故障诊断、深度迁移卷积神经网络(DTCNN)、支持向量机(SVM)、模糊不一致性度量

所属期刊栏目：42

分类号：TP29(自动化技术及设备)

资助基金：湖南省自然科学基金项目;湖南省教育厅优秀青年基金项目

在线出版日期：2023-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：226-234