针对音频信号在柱塞泵故障诊断中存在的样本数量不足、故障特征微弱等问题,提出一种基于音频信号结合元迁移学习(Meta-transfer Learning,MTL)的柱塞泵故障诊断方法(Fault Diagnosis of Plunger Pump Based on MTL,MTL-PAFD)。该方法以...针对音频信号在柱塞泵故障诊断中存在的样本数量不足、故障特征微弱等问题,提出一种基于音频信号结合元迁移学习(Meta-transfer Learning,MTL)的柱塞泵故障诊断方法(Fault Diagnosis of Plunger Pump Based on MTL,MTL-PAFD)。该方法以柱塞泵的音频信号为样本,在单一传感器条件下,通过Gammatone滤波器组对信号进行处理,可有效提高强噪声干扰下音频信号的表征能力,然后结合元迁移学习,能实现小样本条件下的柱塞泵故障诊断。同时,根据柱塞泵故障诊断的实际需求,改进元迁移学习在故障诊断应用中的测试方法,能够自适应处理未知故障类。实验结果表明,MTL-PAFD仅对已知类别的故障诊断准确率可达到91.41%,而经过快速自适应学习后,其在识别未知故障类时准确率能达到89.64%。展开更多
文摘针对音频信号在柱塞泵故障诊断中存在的样本数量不足、故障特征微弱等问题,提出一种基于音频信号结合元迁移学习(Meta-transfer Learning,MTL)的柱塞泵故障诊断方法(Fault Diagnosis of Plunger Pump Based on MTL,MTL-PAFD)。该方法以柱塞泵的音频信号为样本,在单一传感器条件下,通过Gammatone滤波器组对信号进行处理,可有效提高强噪声干扰下音频信号的表征能力,然后结合元迁移学习,能实现小样本条件下的柱塞泵故障诊断。同时,根据柱塞泵故障诊断的实际需求,改进元迁移学习在故障诊断应用中的测试方法,能够自适应处理未知故障类。实验结果表明,MTL-PAFD仅对已知类别的故障诊断准确率可达到91.41%,而经过快速自适应学习后,其在识别未知故障类时准确率能达到89.64%。
