仪器仪表学报

作者：郝洪涛，王 凯，张炳建，刘建昊

单位：郝洪涛,1. 宁夏大学机械工程学院，2. 宁夏智能装备 CAE 重点实验室,,王 凯,1. 宁夏大学机械工程学院,,张炳建,1. 宁夏大学机械工程学院,,刘建昊,1. 宁夏大学机械工程学院,

关键词：气动控制阀;故障诊断;特征提取;特征融合;卷积神经网络

基金：宁夏回族自治区重点研发计划项目(2022BEE02002)资助

气动控制阀作为过程工业典型的终端执行机构,由于故障发生率高、故障类型繁多,导致故障识别难度大,且故障后果严重,因此对其进行智能的故障检测和诊断具有重要的实际意义。本文提出了一种多尺度特征自适应融合网络用于气动控制阀故障诊断。首先,搭建了融合自注意力机制的多尺度特征提取网络自动提取信号的空间特征和细节特征。然后,设计了权重自适应特征融合网络对多尺度特征加权融合,提高模型对故障特征的表征能力。最后,由长短时记忆神经网络和SoftMax函数实现特征识别和故障分类。实验结果表明,该模型在DAMADICS阀门基准实验平台上的平均检测准确率达到96.82%,均高于其他对比模型。与最近发表文献中的检测结果对比发现,本文开发的模型在可检测的故障数量和检测准确率方面也具有一定的优势,并且通过实验验证了模型的检测性能。

来源：2023年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第10期