首页|基于深度学习和贝叶斯优化的压缩机故障诊断

基于深度学习和贝叶斯优化的压缩机故障诊断

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于往复式压缩机的故障诊断需要复杂而耗时的特征提取过程,并且对超参数优化存在局限性,提出了一种基于深度学习和贝叶斯优化的压缩机故障诊断方法.首先通过时域计算短窗口的预处理方法降低模型复杂性,并且不损失时间相关信息.然后从压缩机振动信号的时间序列表示中迭代训练长短期记忆模型,在每次迭代中限定搜索空间,并利用贝叶斯优化方法对超参数进行优化.通过实验结果显示提出模型的故障识别率达到93％,与其他方法的对比结果证明该方法在性能上有了显著的提高.
Compressor Fault Diagnosis Based on Deep Learning and Bayesian Optimization

董丽娟、方召、陈会涛

展开 >

许昌电气职业学院机电工程系,河南 许昌 461000

河南理工大学机械与动力工程学院,河南 焦作 454003

往复式压缩机 故障诊断 深度学习 贝叶斯

2018年度河南省重点研发与推广专项

182102310793

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.384(2)
  • 1
  • 11