TY -的A2 Rodino路易吉盟——郭,妇炎盟,张Yan-Chao AU -王,曰非盟- Ren, Pei-Jun AU - Wang Ping PY - 2021 DA - 2021/01/08 TI -基于转移的往复压缩机气阀故障诊断学习卷积神经网络SP - 8891424六世- 2021 AB -往复式压缩机发挥至关重要的作用在石油、天然气、一般工业过程。其安全稳定运行直接影响到企业经济的健康发展。自阀故障占总故障的60%时,往复式压缩机失败,它迅速发现和诊断具有重要意义的失败类型阀往复压缩机的故障诊断。目前,往复压缩机气阀故障诊断基于深层神经网络需要足够的培训带安全标签的数据时,但是在实际情况往复压缩机阀(VRRC)没有足够的标签数据来训练一个可靠的模型。幸运的是,阀的数据在实验室往复式压缩机(VLRC)包含相关的故障诊断知识。因此,受转移学习的想法,往复式压缩机故障诊断方法阀门根据转移学习提出了卷积神经网络(TCNN)。这种方法使用卷积神经网络(CNN)中提取的可转让的特征气体温度和压力数据从VLRC VRRC和建立pseudolabels VRRC无标号数据。三正则化项,平均最大差异(MMD)转让的特点VLRC和VRRC数据之间的误差VLRC样品标签预测和实际的标签,和VRRC样品标签之间的误差预测和pseudolabel建议。他们的加权和作为目标函数来训练模型,从而减少域特性的分布差异转移和增加学习功能类之间的距离。实验结果表明,该方法使用VLRC数据识别VRRC的健康状况,和故障识别率可以达到98.32%。 Compared with existing methods, this method has higher diagnostic accuracy, which proves the effectiveness of this method. SN - 1024-123X UR - https://doi.org/10.1155/2021/8891424 DO - 10.1155/2021/8891424 JF - Mathematical Problems in Engineering PB - Hindawi KW - ER -