10.16579/j.issn.1001.9669.2022.06.03
基于局部双谱和卷积神经网络的弧齿锥齿轮故障诊断
针对传统故障诊断方法对弧齿锥齿轮故障诊断效率低的问题,提出一种基于局部双谱和卷积神经网络(Convolution Neural Network,CNN)的故障诊断方法.该方法使用包含全域信息的弧齿锥齿轮振动信号局部双谱图作为CNN的输入构造诊断模型,实现弧齿锥齿轮故障诊断,不仅降低了故障信息的冗余度,而且提高了CNN训练速度.通过与全双谱+CNN、原始振动信号+CNN、局部双谱+SVM(Support Vector Machine)、局部双谱+BP(Back Propagation)神经网络的诊断结果对比,所提出方法的平均诊断准确率为99.56%,模型训练时间为15 s,综合性能最优.
卷积神经网络、局部双谱、弧齿锥齿轮、故障诊断
44
TH50
国家自然科学基金;航空科学基金;湖南省自然科学基金项目;湖南省教育厅优秀青年项目
2022-12-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
1286-1292