基于深度学习的含未知复合故障多传感器信号故障诊断

作     者：邢砾文 姚文凯 黄莹 XING Liwen;YAO Wenkai;HUANG Ying

作者机构：武警工程大学研究生大队西安710086 武警工程大学信息工程学院西安710086 

出 版 物：《重庆大学学报（自然科学版）》 (Journal of Chongqing University)

年 卷 期：2020年第43卷第9期

页      面：93-100页

核心收录：

学科分类：08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

基　　金：国家自然科学基金资助项目(61573366) 

主　　题：深度学习 CNN LSTM FCM 多传感器 未知复合故障 故障诊断 

摘      要：深度学习在故障诊断领域的应用已比较成熟,其中卷积神经网络(CNN, convolution neural networks)和长短时记忆网络(LSTM, long short-term memory networks)就是典型模型之一。CNN作为一种常用的多传感器信号故障诊断方法,能够获得较好的诊断效果,却无法实现未知复合故障的诊断,为解决这个问题,提出CNN-LSTM-FCM(fuzzy C-means)模型。LSTM对具有前后联系的时间信号更敏感,利用这个特点将LSTM与CNN相结合,实现未知信号的诊断,并通过概率分类输出实现了复合故障的解耦,CNN-LSTM-FCM模型本身优化参数设计,进一步提高了诊断精度。使用化学过程故障测量数据进行实验,结果表明CNN-LSTM-FCM模型诊断准确率可达到97.15%,优于CNN模型和LSTM模型,具有较高的应用价值。