• • 下一篇
GAO Zhenhua1, QIN Fenqi2, WANG Linlin2, YU Cungui1*()
摘要: 针对某舰炮开关闩机构工况复杂多变、工作环境恶劣,导致故障类型检测困难等问题,提出了一种基于麻雀优化算法(SSA)的格拉姆角场结合卷积神经网络和长短期记忆神经网络(GAF-CNN-LSTM)的开关闩故障诊断方法。首先,采集开关闩故障原始信号并进行预处理,通过时频分析法和格拉姆角场法建立一维时序数据和二维图像故障数据集;然后,将故障数据集分别输入到LSTM和CNN通道中,利用CNN强大的空间特征提取能力和LSTM挖掘数据时序特征能力进行特征提取,并将二者得到的特征信息进行融合,在全连接层和激活函数的作用下输出诊断结果;最后,通过SSA优化算法对GAF-CNN-LSTM网络结构中的超参数进行优化,提高模型的诊断精度和适用性。经测试数据验证:提出的SSA-GAF-CNN-LSTM故障诊断模型不仅可以更精准地诊断开关闩机构故障类型,而且具有更强的泛化能力及抗干扰能力,有效地提高了开关闩机构故障诊断的性能。