重庆理工大学学报(自然科学) ›› 2022, Vol. 36 ›› Issue (8): 126-133.
• “智能故障诊断”专栏 • 上一篇
陈仁祥,胡超超,孙 健
摘要: 针对传统柴油颗粒过滤器(dieselparticulatefilters,DPF)故障诊断中人工提取特征 过程繁杂且特征参数难以表征 DPF故障状态的问题,提出基于深度学习的 DPF故障诊断方法。 通过车载传感器采集发动机转速、DPF压差等 5种信号数据,经数据融合后建立压差类、温差类 和压差 +温差类三类样本数据;利用深度学习特征自提取的优势,提取车辆在不同行驶工况下 样本数据中压差或温差表征的 DPF故障特征;结合深度学习网络中 Softmax多分类器实现端到 端的 DPF故障诊断。利用 GTPower仿真数据,验证了所提方法的可行性,开发了相应的应用 软件。
中图分类号: