论文摘要
动力系统作为压裂车的关键部件,其工作状况直接影响着压裂车的性能,压裂车工况多变,使得其动力系统故障诊断更加复杂。为解决压裂车动力系统振动信号的强时变性和强噪声特性而造成其故障难以辨识的问题,提出了一个基于提升多小波包(LMWP)、小波自编码器(WAE)和长短时记忆网络(LSTM)方法。首先对压裂车动力端采集的振动信号进行3层提升多小波包分解;其次计算各子频带的相对能量,构成原始特征向量;最后将原始特征向量经WAE降维,并输入LSTM网络实现压裂车动力系统故障诊断。试验结果表明,提出的故障诊断方法在不同工况下能够实现99%以上的诊断准确率,具有优于传统方法较强的泛化能力、特征提取能力和识别能力。所得结论可为压裂车动力系统诊断方法的进一步发展提供参考。
论文目录
文章来源
类型: 期刊论文
作者: 杜小磊,陈志刚,许旭,钟新荣
关键词: 压裂车,故障诊断,提升多小波包,长短时记忆网络,小波自编码器
来源: 石油机械 2019年10期
年度: 2019
分类: 工程科技Ⅰ辑
专业: 石油天然气工业
单位: 北京建筑大学机电与车辆工程学院,北京市建筑安全监测工程技术研究中心,中石油川庆钻探长庆井下技术作业公司
基金: 国家自然科学基金项目“多电机激振非线性振动系统的谐振同步机理和稳定性控制”(51605022),北京市教育委员会科技计划一般项目(SQKM201710016014),北京市优秀人才培养资助项目(2013D005017000013),北京市属高校基本科研业务费专项资金资助项目(X18217)
分类号: TE934.2
DOI: 10.16082/j.cnki.issn.1001-4578.2019.10.015
页码: 88-93+106
总页数: 7
文件大小: 326K
下载量: 110