基于小波时频图与Swin Transformer的柴油机故障诊断方法

TK428; 针对用传统的故障诊断方法难以对非线性非平稳的柴油机故障信号进行准确高效诊断的问题,提出基于小波时频图与Swin Transformer的柴油机故障诊断方法.该方法可以有效结合小波时频分析在处理非线性非平稳信号方面的优势和Swin Transformer强大的图像分类能力,通过连续小波变换将原始信号表示为小波时频图,将小波时频图作为特征图输入到Swin Transformer进行训练,实现柴油机故障状态识别.实验结果表明,与对比方法相比,所提方法具有较好的故障识别精度及稳定性,在公开数据集和实验室实测数据中的整体故障诊断准确率分别达到100％和98.88％,为柴油机故障诊断提供了一...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 45; no. 9; pp. 2986 - 2998
Main Authors 刘子昌, 白永生, 李思雨, 贾希胜
Format Journal Article
LanguageChinese
Published 陆军工程大学石家庄校区,河北石家庄050003 2023
河北省机械装备状态监测与评估重点实验室,河北石家庄050003%陆军工程大学石家庄校区,河北石家庄050003
Subjects
连续小波变换
fault diagnosis
wavelet time-frequency diagram
故障诊断
小波时频图
柴油机
continuous wavelet transform
diesel engine
Swin Transformer
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2023.09.40

Cover

More Information
Summary:TK428; 针对用传统的故障诊断方法难以对非线性非平稳的柴油机故障信号进行准确高效诊断的问题,提出基于小波时频图与Swin Transformer的柴油机故障诊断方法.该方法可以有效结合小波时频分析在处理非线性非平稳信号方面的优势和Swin Transformer强大的图像分类能力,通过连续小波变换将原始信号表示为小波时频图,将小波时频图作为特征图输入到Swin Transformer进行训练,实现柴油机故障状态识别.实验结果表明,与对比方法相比,所提方法具有较好的故障识别精度及稳定性,在公开数据集和实验室实测数据中的整体故障诊断准确率分别达到100％和98.88％,为柴油机故障诊断提供了一种新的思路.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2023.09.40