基于孪生网络的行星齿轮箱故障诊断方法

摘要：

针对行星齿轮箱在实际工作中故障训练样本有限的问题,设计一种基于孪生卷积神经网络的故障诊断方法.采集行星齿轮箱多方向振动信号,使用卷积神经网络对多路振动信号进行特征提取,利用孪生网络架构对所提取特征样本进行距离度量,确定分类准则,完成故障诊断模型的训练.通过行星齿轮箱实验平台的数据实验,证明孪生卷积神经网络在故障训练样本有限的情况下相比传统方法具有更好的故障诊断性能.

关键词：故障诊断、孪生网络、行星齿轮箱、深度学习、有限数据

所属期刊栏目：51

分类号：TH132.425;TP277.3

在线出版日期：2022-09-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：116-119