仪器仪表学报

作者：郝洪涛，柳琳琪，马小东，彭志科，熊玉勇

单位：郝洪涛,宁夏大学机械工程学院银川750021,,柳琳琪,宁夏大学机械工程学院银川750021,,马小东,宁夏大学机械工程学院银川750021,,彭志科,1.宁夏大学机械工程学院银川750021； 2.上海交通大学机械系统与振动全国重点实验室上海200240,,熊玉勇,上海交通大学机械系统与振动全国重点实验室上海200240,yy.xiong@sjtu.edu.cn,

关键词：气动控制阀;微波测振;故障诊断;多尺度特征提取;注意力机制

基金：国家自然科学基金（52465014）、宁夏自然科学基金（2025AAC020022）项目资助

控制阀作为工业过程控制系统的关键执行器，其运行状态直接影响生产安全与产品质量。针对现有控制阀故障诊断方法存在的压力流量信号响应滞后、振动信号易受干扰以及特征信息挖掘不充分等问题，提出了一种基于微波测振与时频域特征融合的气动控制阀故障诊断方法。首先，采用微波测振技术实现控制阀阀杆振动信号的非接触式高精度采集，克服了传统接触式传感器的应用局限，阀杆振动能够更直接地反映阀芯、弹簧和密封件等关键部件的状态。其次，构建了多尺度时频域双通道特征融合的网络结构，在时域支路设计了多尺度一维卷积结合双向门控循环单元充分提取信号的时序动态特征；频域支路通过短时傅里叶变换将一维信号转换为二维时频谱图，利用多尺度二维卷积网络提取频谱纹理特征。引入通道注意力机制自适应学习特征重要性权重，并采用交叉注意力机制实现时频域特征的深度融合，充分挖掘不同模态的互补信息。实验在配备微波测振系统的气动控制阀故障模拟试验台上进行，实验结果表明，所提方法在故障模拟试验台上对6种工作状态的分类准确率达到96.25%，与常见的深度学习模型相比表现出更优越的诊断性能；在DAMADICS平台的11种故障模式验证中，该方法取得了99.24%的平均分类准确率，证明了模型良好的泛化能力，为控制阀故障诊断提供了新的技术途径。

来源：2026年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第1期