内燃机工程

作者：宋凯,黄盟,尤健,张琳琳,陈昌毅,毕晓阳

单位：陆军军事交通学院 军事交通运输研究所,天津 300161,天津大学 内燃机燃烧学国家重点实验室,天津 300072,陆军军事交通学院 军事交通运输研究所,天津 300161,陆军军事交通学院 军事交通运输研究所,天津 300161,陆军军事交通学院 军事交通运输研究所,天津 300161,河北工业大学 省部共建电工装备可靠性与智能化国家重点实验室,天津 300130

关键词：柴油机,故障诊断,卷积神经网络,残差结构,

基金：河北省高等学校科学技术研究项目（QN2022159）；省部共建电工装备可靠性与智能化国家重点实验室2021年度开放课题项目（EERIPD2021008）

针对基于卷积神经网络（convolutional neural network， CNN）的柴油机故障诊断方法在训练样本匮乏时易过拟合、诊断准确率低的问题，提出一种基于改进残差卷积网络的“端到端”柴油机故障诊断方法。该方法采用连续可微指数线性单元（continuously differentiable exponential linear units， CELU）作为CNN激活函数并采取小批次训练方法，提高模型提取特征能力的同时加速其收敛；在模型中加入残差结构将深层网络提取到的抽象特征与表层特征相融合，避免深层网络导致的特征信息丢失与梯度消失问题。经柴油机故障模拟试验验证，该方法在仅使用20个样本进行训练时，能实现95.5%的故障诊断准确率；与CNN相比，该方法在不同类型及规模的训练集下，故障诊断准确率均有显著提升。

来源：2023年第5期

《内燃机工程》期刊编辑部

查看内燃机工程杂志2023年第5期