?

?

《機電工程》雜志,月刊( 詳細... )

中國標準連續出版物號 ISSN 1001-4551 CN 33-1088/TH
主辦單位浙江省機電集團有限公司
浙江大學
主編陳 曉
副 主 編唐任仲、羅向陽(執行主編)
總 經 理羅向陽
出 版浙江《機電工程》雜志社有限公司
地 址杭州市上城區延安路95號浙江省機電集團大樓二樓211、212室
電話Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
國外發行中國國際圖書貿易總公司
訂閱全國各地郵局   國外代號M3135
國內發行浙江省報刊發行局
郵發代號32-68
廣告發布登記證:杭上市管廣發G-001號

在線雜志

當前位置: 機電工程 >>在線雜志

基于監督對比學習和混合注意力殘差網絡的隔膜泵單向閥故障診斷

作者:任洪兵,彭宇明,黃海波. 日期:2024-04-24/span> 瀏覽:1234 查看PDF文檔

基于監督對比學習和混合注意力殘差網絡的隔膜泵
單向閥故障診斷*
任洪兵1,彭宇明1,2*,黃海波1,2

(1.西南交通大學 汽車與能源動力研究所,四川 成都 610036; 

2.西南交通大學 先進驅動節能技術教育部工程研究中心,四川 成都 610036)


摘要:由于工業生產環境中的強噪聲和其他環境激勵,隔膜泵單向閥不同故障的特征呈現一定的相似性,導致傳統深度學習方法對單向閥的故障狀態難以準確識別。為解決這一問題,提出了一種結合監督對比學習和混合注意力殘差神經網絡(HA-ResNet)的隔膜泵單向閥故障診斷方法。首先,將注意力機制引入了殘差神經網絡以提升網絡的學習能力,自適應調節了重要但微弱特征權重,并以恒等變換減少了有效信息被抑制現象;其次,提出了加權“監督對比損失(SCL)+交叉熵(CE)損失”,調節單向閥不同故障狀態數據之間的距離,明確了單向閥不同故障狀態的分類邊界與降低噪聲或環境激勵的干擾;最后,通過工程實測數據,對監督對比學習和HA-ResNet融合方法的有效性和穩定性進行了驗證。研究結果表明:監督對比學習和HA-ResNet融合方法在隔膜泵單向閥驗證集上的平均準確率達到了99.3%;與其他故障診斷方法相比,其在診斷精度和穩定性上都具有一定的優勢,驗證了該方法在噪聲干擾條件下故障診斷的可靠性。

關鍵詞:隔膜泵;單向閥;故障診斷;監督對比損失;混合注意力殘差神經網絡;特征相似性;深度學習方法

中圖分類號:TH323;TD50文獻標識碼:A文章編號:1001-4551(2024)04-0594-10


本文引用格式:

任洪兵,彭宇明,黃海波.基于監督對比學習和混合注意力殘差網絡的隔膜泵單向閥故障診斷[J].機電工程,2024,41(4):594-603.

REN Hongbing, PENG Yuming, HUANG Haibo. Diaphragm pump check valve fault diagnosis method based on supervised contrastive learning and hybrid attention ResNet[J].Journal of Mechanical & Electrical Engineering, 2024,41(4):594-603.


?

友情鏈接

浙江機械信息網