典型文献
基于改进深度神经网络的阀门故障诊断研究
文献摘要：
在处理含有复杂的噪声成分水声信号时,采用传统的信号处理方法存在一定的困难,并影响水下采油树阀门泄漏故障诊断精度,针对这一问题,提出了一种基于改进的深度神经网络(DNN)的非接触式阀门故障诊断方法.首先,基于阀门泄漏理论,在COM-SOL仿真环境下,结合轴对称自由射流模型、四极子声源远场声压求解算法,建立了阀门泄漏射流声场模型;然后,基于降噪的基本理论,建立了 DNN降噪基本模型,将时频域信号输入到构造好的DNN模型中进行了降噪处理,以最小化信号中的噪声成分;最后,利用经过降噪处理后的水声信号,将其输入构建好的卷积神经网络中,实现了故障诊断目的;设计并进行了水声实验,以验证基于改进的深度神经网络(DNN)的故障诊断方法的有效性.研究结果表明:经过DNN处理后的水声信号,其噪声成分明显降低,其归一化均方误差值由0.499 2最低降至0.011 0,降幅达97.80％;经过DNN处理后的信号,其故障诊断准确率也达到了 98.89％,证明了该方法能有效地诊断阀门的泄漏故障.
文献关键词：
深度神经网络;水下采油树阀门;降噪模型;阀门泄漏射流声场模型;阀门泄漏模拟声学实验;故障诊断精度
中图分类号：
作者姓名：
章修龙;刘贵杰;宁东红
作者机构：
中国海洋大学机电工程系,山东青岛266100
文献出处：
引用格式：
[1]章修龙;刘贵杰;宁东红-.基于改进深度神经网络的阀门故障诊断研究)[J].机电工程,2022(10):1356-1364,1373
A类：
水下采油树阀门,阀门泄漏射流声场模型,阀门泄漏模拟声学实验
B类：
进深,深度神经网络,阀门故障,诊断研究,分水,水声信号,信号处理,响水,泄漏故障,故障诊断精度,DNN,非接触式,故障诊断方法,COM,SOL,仿真环境,轴对称,自由射流,流模型,四极子声源,远场,声压,求解算法,基本模型,时频域,频域信号,降噪处理,建好,水声实验,归一化均方误差,误差值,故障诊断准确率,降噪模型
AB值：
0.24034
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
