文献类型：期刊文章

作　　者：李炜[1] 刘禹[2] 李立刚[2] 周亮[1] 宋长山[1]

Li Wei;Liu Yu;Li Ligang;Zhou Liang;Song Changshan(Sinopec Shengli Oilfield Branch Technical Testing Center,Dongying 257000,China;College of Oceanography and Space Informatics,China University of Petroleum(East China),Qingdao 266580,China)

机构地区：[1]中国石油化工股份有限公司胜利油田分公司技术检测中心,东营257000 [2]中国石油大学(华东)海洋与空间信息学院,青岛266580

出　　处：《国外电子测量技术》

年　　份：2023

卷　　号：42

期　　号：1

起止页码：1-6

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了增强柱塞泵在强背景噪声下的音频信号特征,进而提高故障诊断准确率,提出了一种基于自适应降噪的柱塞泵故障音频特征提取方法。通过引入了Gammatone倒谱变换进行特征的初步提取,将柱塞泵音频信号转化到时频域,并提出一种自适应降噪方法,去除了时频信号中与故障无关的背景噪音。最后通过Resnet-18神经网络开展了故障分类对比实验,结果表明,经过自适应降噪,柱塞泵故障诊断准确率提高至96.97%,验证了所提出的特征提取方法能够有效降低柱塞泵背景噪音的影响,从而提高了故障诊断的准确率。

关 键 词：柱塞泵 故障诊断 音频信号 信号降噪 神经网络

分 类 号：TH322]