基于动态加权密集连接卷积网络的变转速行星齿轮箱故障诊断
针对变转速工况下基于深度学习的行星齿轮箱故障诊断问题,提出动态加权密集连接卷积网络的故障诊断方法.将行星齿轮箱振动信号的小波包系数二维矩阵输入到密集连接卷积网络作为网络的初始特征图;在密集连接卷积网络的跨层连接中加入动态加权层,形成动态加权密集连接卷积网络,加强网络的深层信息传递;通过动态加权网络层自适应提取不同频带内的故障特征信息进行行星齿轮箱故障诊断.试验表明了所提的动态加权密集连接卷积网络能有效诊断变转速行星齿轮箱故障.
密集连接卷积网络、故障诊断、特征学习、小波包变换、行星齿轮箱
55
TH17
国家自然科学基金资助项目51775065,51675067
2019-06-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
52-57