来源：期刊VIP网 时间：
作者：滕建强;罗风;张菁;张玉涛;夏唐斌;
单位：中国石油化工股份有限公司西北油田分公司;上海交通大学机械与动力工程学院机械系统与振动国家重点实验室上海交通大学弗劳恩霍中心;嘉洋智慧安全科技(北京)股份有限公司;
摘要：针对柱塞泵故障诊断中存在的振动数据不平稳和诊断精度低问题，提出一种考虑传感器位置信息的Bagging集成卷积神经网络(Sensors location considered-bagging-convolution neural network, SLC-B-CNN)故障诊断模型。首先将短时傅里叶变换后的二维振动时频信息与经独热编码后的传感器位置信息匹配以构建数据集，然后设计混合双输入CNN模型作为基分类器，最后将数据集输入以简单平均法聚合的SLC-B-CNN模型中，在实验柱塞泵数据集上验证了所提出的SLC-B-CNN模型，在测试集上的准确率高达92%,各类故障平均召回率为89%,表现优于CNN模型和随机森林(Random forest, RF)模型。
关键词：柱塞泵;;故障诊断;;卷积神经网络;;集成学习;;传感器位置信息
基金资助：中国石化重大科技项目(P18022)
