基于声音深度学习的发动机失火故障诊断

作     者：李志臣 凌秀军 李鸿秋 Li Zhichen;Ling Xiujun;Li Hongqiu

作者机构：金陵科技学院机电工程学院南京市211169 

出 版 物：《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)

年 卷 期：2024年第45卷第9期

页      面：134-140页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 082803[工学-农业生物环境与能源工程] 08[工学] 0828[工学-农业工程] 081104[工学-模式识别与智能系统] 080204[工学-车辆工程] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金面上项目(51775270) 

主　　题：发动机 失火故障 深度学习 特征通道分组卷积 声音 时频图像 

摘      要：构建基于深度学习的轻量级卷积神经网络实现发动机声音信号的失火故障检测。运用计算机的麦克风阵列记录发动机不同转速下的正常状态、一缸失火状态、二缸失火状态的声音信号。将声音信号转换成时频图像应用于卷积网络模型的训练、验证和测试。声音时频图像特征提取网络主要由可分离卷积模块构成。特征提取网络连接时频图像分类器,对含有不同个数的特征通道分组卷积模块的网络模型进行训练、验证和测试试验的比较分析。设计的卷积神经网络应用于发动机失火故障检测的准确率达到99.60%。网络的计算量小、检测时间短。基于特征通道分组卷积的深度学习网络能够快速地完成对发动机失火故障声音信号的检测诊断,为发动机失火故障的在线实时检测提供智能决策支持。