10.3969/j.issn.1001-2257.2016.05.006
基于卷积神经网络的时频图像识别研究
变速器作为汽车动力传递系统中的关键部件,其振动和噪声直接影响着汽车的性能.由发动机输入到变速器的转速很多情况下是变化的,这使得这种工况下的变速器故障诊断更加复杂.针对这个问题,提出了基于卷积神经网络(convolutional neural network,CNN)的变速器变转速工况下的故障分类识别方法:在变转速下,采集了变速箱多种故障状态下的振动信号,对各类信号进行时频变换得到时频矩阵,并利用CNN实现多类故障的分类.并研究了CNN结合不同时频方法时的识别性能,结果表明,连续小波变换(continuous wavelet transform,CWT)与CNN结合的方法对变转速下的时频图识别性能最好.
卷积神经网络、时频变换、变转速、故障识别
34
TP181;TP183(自动化基础理论)
2016-06-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
25-29