来源：期刊VIP网 时间：
作者：徐昌玲;兰媛;巴古林;武兵;
单位：太原理工大学机械与运载工程学院;太原理工大学新型传感器与智能控制教育部重点实验室;
摘要：柱塞泵作为液压系统的重要元件，其性能好坏直接影响液压系统的运转，因此柱塞泵的故障诊断一直是工程机械故障诊断的热点。针对传统的故障诊断方法需要人工设计并提取信号特征，信号特征提取不完善等问题，提出运用卷积神经网络对轴向柱塞泵进行故障诊断。在柱塞泵正常状态、松靴、配流盘磨损、滑靴磨损、中心弹簧失效五种工作状态下，采集柱塞泵的振动信号，将振动信号转化为频谱图与时频图，并加以标签标记，生成样本数据输入到卷积神经网络、深度置信网络、堆叠自动编码器进行不同网络性能比较。研究结果表明，当样本数据选择小波变换时频图，卷积神经网络相对于深度置信网络、堆叠自动编码器在轴向柱塞泵故障诊断方面具有更高的准确率，为92.17%。
关键词：柱塞泵;;故障诊断;;深度学习;;卷积神经网络
基金资助：山西科技重大专项（20181102027,20181102016）;; 山西省应用基础研究计划面上项目（201901D111054）;; 山西省青年科技研究基金（201801D221225）
