典型文献
基于深度学习的柴油机部分失火故障诊断
文献摘要：
针对现有的失火诊断算法存在人工提取特征过程复杂,特征提取准则不确定等缺点,提出了利用缸盖振动信号结合深度学习算法实现柴油机部分失火故障的诊断方法.在不同的负荷及转速工况下进行柴油机的失火故障试验,并将采集到的缸盖振动信号归一化处理后作为训练深度学习算法的数据集.先后设计了卷积神经网络和更深层的残差网络,通过试验对比,发现具有更多层的残差网络可以更好地实现柴油机部分失火故障诊断,达到了较高的故障诊断准确率,并具有良好的泛化性能,可以在较宽的工况范围内有较好的诊断性能.
文献关键词：
柴油机;失火;故障诊断;卷积神经网络;残差网络
中图分类号：
作者姓名：
宋业栋;王彦军;张振京;高文志;张攀;庞皓乾
作者机构：
潍柴动力股份有限公司内燃机可靠性国家重点实验室,山东 潍坊 261061;天津大学内燃机燃烧学国家重点实验室,天津 300072
文献出处：
引用格式：
[1]宋业栋;王彦军;张振京;高文志;张攀;庞皓乾-.基于深度学习的柴油机部分失火故障诊断)[J].车用发动机,2022(06):76-83
A类：
失火故障诊断
B类：
柴油机,提取特征,缸盖,振动信号,深度学习算法,算法实现,归一化处理,残差网络,试验对比,故障诊断准确率,泛化性能,诊断性
AB值：
0.149691
相似文献
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。
