索拉压缩机振动信号的深度特征挖掘与故障识别

赵越

doi:10.16009/j.issn.1009-5624.2026.12.007

信息记录材料 ›› 2026, Vol. 27 ›› Issue (12) : 19 -21. DOI: 10.16009/j.issn.1009-5624.2026.12.007

索拉压缩机振动信号的深度特征挖掘与故障识别

赵越

作者信息 +

Author information +

文章历史 +

摘要

为解决索拉压缩机故障诊断中传统方法精度低、实时性差的问题，本文提出一种基于卷积神经网络-支持向量机(CNN-SVM)融合的故障识别方法，搭建多传感器振动信号采集系统，采用卷积神经网络(CNN)提取深层特征，建立CNN-SVM融合诊断模型。实验结果表明，该方法能够有效识别轴承不对中、磨损、转子不平衡、齿轮故障和油膜涡动五类故障，准确率达96.8%,相较于传统方法提升12.5个百分点，能够为索拉压缩机的智能运维提供技术支撑。