基于深度学习和贝叶斯优化的压缩机故障诊断
Compressor Fault Diagnosis Based on Deep Learning and Bayesian Optimization作者机构：许昌电气职业学院机电工程系河南许昌461000 河南理工大学机械与动力工程学院河南焦作454003
出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)
年 卷 期：2023年第384卷第2期
页 面：45-52页
学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金：2018年度河南省重点研发与推广专项(182102310793)。
摘 要：由于往复式压缩机的故障诊断需要复杂而耗时的特征提取过程,并且对超参数优化存在局限性,提出了一种基于深度学习和贝叶斯优化的压缩机故障诊断方法。首先通过时域计算短窗口的预处理方法降低模型复杂性,并且不损失时间相关信息。然后从压缩机振动信号的时间序列表示中迭代训练长短期记忆模型,在每次迭代中限定搜索空间,并利用贝叶斯优化方法对超参数进行优化。通过实验结果显示提出模型的故障识别率达到93%,与其他方法的对比结果证明该方法在性能上有了显著的提高。
维普期刊数据库
同方期刊数据库