压裂车是用来对油层进行压裂以达到油井增产的机械设备,其工作环境通常较为复杂,并且主要工作在高温、高压、重载等非常恶劣的状态下,极有可能导致压裂车关键系统或部件出现故障。一旦压裂车发生故障,将会给企业造成重大经济损失甚至人员伤亡。因此,开展压裂车故障诊断方面的研究有重要的现实意义和理论价值。目前,针对压裂车进行故障诊断方面的研究相对比较少。由于压裂车结构复杂、激励源众多,工作状态变化大,振动信号通常呈非线性和时变特性,同时工作环境导致采集到的信号包含较强噪声,基于这些原因造成了对压裂车动力端进行故障诊断的困难。针对压裂车振动信号复杂、特征不明显以及故障诊断难等一些问题,本文进行了压裂车动力端智能诊断方法的研究工作,主要内容包括以下四个方面:(1)对压裂车及其动力端的结构和工作原理做了介绍,分析了压裂车动力端典型的故障形式及诊断方式。(2)针对压裂车动力端振动信号结构复杂、包含很多噪声信号的问题,提出了一种基于VMD-ICA的压裂车动力端降噪方法,将两者相结合后进行降噪处理,较单一的VMD或ICA降噪方法效果好。结果证明该方法能够有效的去除压裂车动力端采集到的振动信号中的噪声信号。(3)针对压裂车动力端特征提取难、故障特征不明显等问题,提出一种基于改进栈式稀疏降噪自编码器的特征提取方法,该方法在稀疏降噪自编码器的基础上,对损失函数进行边缘化处理,再进行堆叠。据此建立算法模型,对压裂车动力端振动信号进行特征提取,所提取的特征表征了在不同故障情况下的信号特点,特征提取的效果比较理想。(4)针对压裂车动力端故障难以辨识、诊断效果不佳的问题,提出了一种基于改进卷积受限玻尔兹曼机的故障诊断方法。通过对输入数据进行补零以及对隐单元引入交叉熵稀疏惩罚因子等操作,以实现提高故障诊断准确率,实验证明了该方法的可行性。