10.13465/j.cnki.jvs.2019.23.038
基于多任务深度学习的齿轮箱多故障诊断方法
机械故障诊断领域已进入了“大数据”时代,且深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果.然而这些研究均运用在单标签体系下,诊断单一目标故障.在大数据背景下,单标签体系不仅割裂了机械装备不同目标故障之间的联系,也难以完整描述装备故障位置、类型、程度等种类繁多的健康状态信息.提出了一种基于多任务深度学习模型的诊断方法,对齿轮箱的轴承及齿轮这两种目标的故障同时进行诊断.其优势在于通过单独的任务层,能够从同一信号中自适应的提取不同目标的特征,并进行诊断.实验结果表明,该方法实现了在多种工况,大量样本下对齿轮箱内轴承和齿轮不同故障的准确诊断.
机械故障诊断、多任务深度学习、轴承、齿轮
38
TH212;TH213.3(起重机械与运输机械)
国家自然科学基金51505234,51575283,51405241
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
271-278