科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对利用浅层神经网络诊断柴油机故障等传统方法存在依靠专家经验、抓取柴油机故障特征参数不准、故障诊断准确率不高的问题，提出了基于深度残差卷积神经网络ResNet模型，在跃层分支采用CBR串并且分支加权相加的改进模型RCN，进行柴油机气门间隙故障诊断的方法。本文采用随动采样频率等长样本采样方法采集柴油机缸盖振动信号，组成一维整周期等长样本，并将其作为训练和验证样本，对改进型深度残差卷积神经网络RCN模型进行训练和验证。实验结果表明，该模型较其他深度卷积网络具有更高的诊断准确率和较快的测试时间，验证了直接利用柴油机缸盖振动信号，采用改进的ResNet深度残差卷积神经网络轻量化模型，进行在线实时监测柴油机运行状况的可行性。
- 出版日期2022
- 单位重庆机电职业技术学院
