基于小样本音频信号的柱塞泵故障诊断

作     者：刘禹 戴永寿 李立刚 LIU Yu;DAI Yongshou;LI Ligang

作者机构：中国石油大学(华东)海洋与空间信息学院山东青岛266580 

出 版 物：《噪声与振动控制》 (Noise and Vibration Control)

年 卷 期：2023年第43卷第5期

页      面：142-147,273页

核心收录：

学科分类：080704[工学-流体机械及工程] 08[工学] 080202[工学-机械电子工程] 0807[工学-动力工程及工程热物理] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(41974144)。 

主　　题：故障诊断 柱塞泵 音频信号 小样本学习 元学习 

摘      要：针对音频信号在柱塞泵故障诊断中存在的样本数量不足、故障特征微弱等问题,提出一种基于音频信号结合元迁移学习(Meta-transfer Learning,MTL)的柱塞泵故障诊断方法(Fault Diagnosis of Plunger Pump Based on MTL,MTL-PAFD)。该方法以柱塞泵的音频信号为样本,在单一传感器条件下,通过Gammatone滤波器组对信号进行处理,可有效提高强噪声干扰下音频信号的表征能力,然后结合元迁移学习,能实现小样本条件下的柱塞泵故障诊断。同时,根据柱塞泵故障诊断的实际需求,改进元迁移学习在故障诊断应用中的测试方法,能够自适应处理未知故障类。实验结果表明,MTL-PAFD仅对已知类别的故障诊断准确率可达到91.41%,而经过快速自适应学习后,其在识别未知故障类时准确率能达到89.64%。