基于多维振动特征图谱的特高压换流阀主循环泵轻量化故障诊断模型

针对特高压换流阀阀冷系统中主循环泵故障特征提取难和故障诊断模型规模大的问题,提出一种基于多维振动特征图谱的轻量化主循环泵故障诊断模型。首先,基于振动轨迹图像(vibration locus image,VLI)和伪颜色编码的时域特征提取方法,构建主循环泵的时域特征图谱。其次,融合马尔科夫变迁场(Markov transition fields,MTF)和小波包变换(wavelet packet transform,WPT),全尺度提取振动信号的低频和高频故障特征,构建主循环泵的频域、时频域特征图谱。最后,通过全维度动态卷积(omni-dimensional dynamic convolution,ODconv)优化轻量化卷积神经网络模型框架,构建了轻量化主循环泵故障诊断模型(OD-ShuffleNet)。并融合时域、频域和时频域故障特征,在减少硬件资源占用的基础上进一步提升模型的故障诊断精度。分析结果表明,模型的诊断准确率为95.0%,优于经典卷积神经网络架构。