一种基于YOLOv8的离心泵故障诊断方法

针对离心泵故障诊断领域存在的特征提取瓶颈与识别精度受限问题，本研究提出创新性解决方案。基于YOLO架构的智能诊断模型被构建，其核心创新点在于信号处理方法的革新。通过连续小波变换(CWT)算法的引入，一维振动时序信号被映射为二维时频域表征，该方法有效克服了传统诊断范式对专家经验与人工特征工程的依赖性。在模型验证环节，标准离心泵故障数据集被用于系统性实验。该数据集涵盖正常工况、单一故障及复合故障等典型场景。机理研究表明，所提模型展现出优越的分类性能，实验数据表明其平均识别准确率可达86％，这一指标显著超越传统阈值设定方法。值得注意的是，该模型的端到端特征学习能力在旋转机械诊断领域具有重要应用价值。