基于1DCNN与双通道信息融合的柴油发动机故障诊断

白雲杰,贾希胜,梁庆海,马云飞,白华军

(陆军工程大学石家庄校区装备指挥与管理系，河北 石家庄 050003)

在机械工程领域,柴油发动机作为典型的往复式动力机械，广泛应用于汽车、工程机械、农业、化工产业、国防军用装备以及船舶运输业等领域。柴油发动机能否正常、健康地工作，将直接影响整个设备的正常运行，柴油机非正常工作可能导致整个系统故障、停工停产，甚至造成重大事故和经济损失。因此，有效地对柴油发动机进行状态监测和故障诊断研究具有重要意义[1]。

随着人工智能技术的快速发展，基于传统的故障机理研究和信号处理手段的诊断方法逐步向以数据挖掘和模式识别技术为核心的智能化故障诊断技术发展[2-3]。在此基础上，基于数据驱动的故障诊断方法日益成为当前研究人员关注的重点[4]。赵志宏[5]提出了基于相对小波能量与支持向量机的轴承故障诊断方法。Flett和Bone[6]开发了故障检测系统，并提出一种改进的RMS特征对发动机气门故障进行诊断。Kowalski等[7]提出了一种基于极限学习机(Extreme Learning Machine，ELM)的故障诊断方法，并在船舶四冲程柴油机上进行了验证，同时与KNN和SVM方法对比证明了其优越性。

自从Hinton等人提出深度学习(Deep Learning，DL)的概念[8]以来，深度学习广泛应用于图像处理、语音识别、目标检测、信息检索、自然语音处理等领域[9]。深度学习以其深入挖掘数据内在规律的优势，受到国内外学者的广泛关注，将其应用于故障诊断领域并取得了一系列研究成果[10]。……