【作者】

王天怿; 宋恩哲; 姚崇; 柯赟

【单位】

哈尔滨工程大学烟台研究院

【摘要】

故障数据过少的情况严重制约共轨喷油器故障诊断准确率的提高。针对上述情况，提出基于改进条件深度卷积生成对抗网络和卷积神经网络的共轨喷油器故障诊断方法。为提高诊断精度该方法采用峭度分析与双时间尺度更新对条件深度卷积生成对抗网络进行改进，使用改进后的网络对小样本下故障轨压信号进行数据增强，并将增强后的数据添加到小样本下的故障信号中，构建卷积神经网络进行故障诊断。通过实验验证本文方法在小样本下故障诊断准确率能够达到100%，即使在故障样本数为1的极端情况下，本文方法的故障诊断精度优于使用生成对抗网络、条件生成对抗网络以及未改进的条件深度卷积生成对抗网络的诊断模型，适用于小样本下共轨喷油器故障诊断，能够提高共轨喷油器运行的安全性与可靠性。

【关键词】

共轨喷油器;小样本;条件深度卷积生成对抗网络;卷积神经网络;故障诊断

【论文集名称】

航空动力

【会议名称】

交通能源与智能动力大会

【会议时间】

2022-11-24至2022-11-29

【会议地点】

上海

【下载次数】

2

返回