基于EMD-1DCNN的风电齿轮箱声信号故障诊断研究

摘要：

针对风电齿轮箱常年处于变负载、变转速等非平稳工况下导致的故障诊断方法精度下降的问题,文章提出了一种基于EMD-1DCNN的风电齿轮箱声信号故障诊断方法.此方法利用经验模态分解(Empirical Mode Decomposition,EMD)将声音信号分解为一系列的本征模态函数(Intrinsic Mode Function,IMF).然后,将多通道IMF输入一维卷积神经网络(1DCNN)进行自动特征学习和故障分类.实验表明,采用EMD-1DCNN模型对风电齿轮箱进行故障诊断的诊断精度高且收敛速度快,有助于智能算法在实际工程中的应用.

关键词：卷积神经网络、齿轮箱、故障诊断、声信号

分类号：TH132.41;TH17

在线出版日期：2023-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：43-45