基于多方向振动数据的风机齿轮箱故障智能诊断
风机齿轮箱作为风机的关键传递结构,针对其关键部件的故障诊断,提出了一种基于极点对称模态分解算法(ESMD)、Mobi|eNet V2神经网络和D-S证据理论的诊断方法.首先将3个方向的复杂的故障信号进行ESMD分解与重构,将3个方向重构后的信号输入到Mobi|eNet V2网络中进行训练,最后利用D-S证据理论进行融合计算并得到最终的预测结果.使用某公司搭建的风机齿轮箱实验平台数据,最终通过实验表明,文中所提出的诊断方法有效,在准确率可以接受的前提下,极大地减少了运算的时间,实现了轻量化.
风机齿轮箱、ESMD、Mobi:eNet V2神经网络、D-S理论、故障诊断
TH132.41
国家自然科学基金51675350
2022-11-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
66-70,73