基于深度信念网络在船用齿轮箱故障诊断中的应用研究

摘要：

文章针对船用齿轮箱故障信号微弱和传统特征提取方法干扰较大的问题,充分结合深度信念网络(DBN)的特征自动提取优势,将深度信念网络应用于船用齿轮箱的故障诊断.首先,借助于uTkel船用齿轮箱故障模拟试验台获取齿轮箱在不同故障模式下的振动信号;然后将信号作傅里叶变换并划分为训练数据集和测试数据集;最后构建和训练DBN模型,并对模型的预测准确性和鲁棒性进行评估.试验结果表明,DBN模型能够较好地自动提取齿轮箱故障特征,对齿轮箱的故障模式做出准确识别.

关键词：故障诊断、振动信号、深度信念网络、特征提取

所属期刊栏目：31

分类号：U672

资助基金：交通运输部应用基础研究项目2013328811360;中央高校基本科研业务费专项资金资助项目2014yb018

在线出版日期：2019-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：32-36