基于1DCNN-GWO-SVM的柴油机喷油系统故障诊断方法研究

打开文本图片集

摘要： 准确、有效的故障诊断是柴油机安全可靠运行的重要保障。基于热工参数诊断的方法存在测点多、专业性强等问题，传统机器学习结合振动信号诊断方法存在人为影响因素过高、不确定性大等问题，因此提出了一种基于1DCNN-GWO-SVM的柴油机喷油系统故障诊断方法。首先利用一维卷积神经网络（one-dimensional convolutional neural network，1DCNN）对时域下的柴油机振动加速度信号进行自学习特征提取，然后利用提取到的特征向量训练支持向量机（support vector machine，SVM）分类模型，并利用灰狼优化算法（grey wolf optimization，GWO）对SVM的C，g等超参数进行寻优，以此来实现对柴油机的“端对端”故障诊断。（剩余11532字）