考虑传感器位置的Bagging集成卷积神经网络柱塞泵故障诊断模型

针对柱塞泵故障诊断中存在的振动数据不平稳和诊断精度低问题,提出一种考虑传感器位置信息的Bagging集成卷积神经网络(Sensors location considered-bagging-convolution neural network,SLC-B-CNN)故障诊断模型。首先将短时傅里叶变换后的二维振动时频信息与经独热编码后的传感器位置信息匹配以构建数据集,然后设计混合双输入CNN模型作为基分类器,最后将数据集输入以简单平均法聚合的SLC-B-CNN模型中,在实验柱塞泵数据集上验证了所提出的SLC-B-CNN模型,在测试集上的准确率高达92%,各类故障平均召回率为89%,表现优于CNN模型和随机森林(Random forest,RF)模型。