关键词:
船用空压机
噪声分析
格拉姆角场
卷积神经网络
故障诊断
摘要:
船用空压机工作环境恶劣,内外激励源众多,采集的噪声信号具有强烈的时变性,会导致故障诊断精度较低,难以实现船用空压机各类故障的有效识别。为此,该文提出将格拉姆角场(Gramian angular field,GAF)编码和卷积神经网络(convolutional neural network,CNN)法相结合的故障诊断方法。首先,阐述了GAF和CNN的基本原理、方法和实施步骤;然后,通过试验模拟了船用空压机的各类故障,并采集相应噪声信号,再利用GAF将一维时域信号转换为二维图像,将特征信息映射为二维图像的颜色、点等纹理特征;最后,将二维图像输入至CNN中进行特征提取和故障诊断。试验结果表明:在保证运行效率的前提下,该方法能够有效识别船用空压机的各类故障,诊断精度达到99.2%,优于其他算法,可为船舶故障智能诊断的应用提供了新途径和新思路。