人民黄河

作者：黄梓涵, 马伟栋, 肖玉平, 代红波, 王枭华, 张涵需, 来亦姝

单位：1.天津大学 水利工程智能建造与运维全国重点实验室，天津 300072；2.中国电建集团 昆明勘测设计研究院有限公司，云南 昆明 650051

关键词：泵站机组；振动信号；梅尔频率倒谱系数；故障诊断；密集卷积网络

基金：<p class=\MsoNormal\>\r\n\t<span>水利部重大科技项目（</span><span>SKS-2022133</span><span>）；天津大学自主创新基金资助项目（</span><span>2023XJD-0065</span><span>）</span>\r\n</p>

为提高泵站机组故障诊断的准确率，利用转子试验台模拟泵站机组运行状态，得到正常和异常状态下的振动信号，采用梅尔频率倒谱系数（MFCC）方法提取振动信号频域特征，将提取的特征输入经过改进布谷鸟算法（DMCS）优化的密集卷积网络（DenseNet），进行泵站机组故障诊断。为检验其在泵站机组真实运行环境中的适用性，在超参数寻优的基础上，测试诊断模型的准确率、抗噪声能力以及少样本条件下的诊断能力。结果表明：在DMCS算法优化的基础上，MFCC-DenseNet对各状态特征的识别率达到了100.00%；相比于其他诊断方法，在抗噪和少样本测试中也表现更好，在信噪比为4 dB的条件下识别率为93.50%，且仅需要80条样本就可以达到100.00%的识别率，一定程度上可以解决实际故障数据稀缺的问题。

来源：2025年第10期

《人民黄河》期刊编辑部

查看人民黄河杂志2025年第10期