<nav id="g8ygq"></nav>
  • <nav id="g8ygq"></nav>
    <menu id="g8ygq"></menu>
  • 收藏本站
    收藏 | 投稿 | 手机打开
    二维码
    手机客户端打开本文

    基于特征融合与ResNet的行星齿轮箱故障诊断

    魏秀业  程海吉  贺妍  赵峰  贺全玲  
    【摘要】:针对行星齿轮箱振动信号相互耦合和故障诊断不准确等问题,提出一种基于特征融合与深度残差网络(ResNet)的行星齿轮箱故障诊断方法。首先,对采集到的行星轮裂纹、磨损,太阳轮断齿及复合故障等模拟故障振动信号应用多维集成经验模态分解(MEEMD)和VMD进行分解,分别筛选确定有效分量。然后,将筛选出的有效特征进行融合,分别应用传统卷积神经网络(CNN)网络和深度残差网络对其进行分类识别,结果发现深度残差网络,分类准确度更高,可达95%以上。最后,应用深度残差对特征融合前后数据的分类准确度进行了比较。融合前准确度最高只达91.16%,低于融合的97.18%??杉?,该方法对行星齿轮箱耦合振动信号的处理和故障诊断非常有效。

    知网文化
    【相似文献】
    中国期刊全文数据库 前14条
    1 刘浩翰;王钰涛;贺怀清;孙铖;;基于改进ResNet模型的轴承沟道表面加工缺陷分类[J];轴承;2021年07期
    2 毛昭辉;;基于Resnet网络和Attention-GRU门控机制的滚动轴承故障诊断[J];组合机床与自动化加工技术;2020年07期
    3 安邦;潘宏侠;张媛;张玉学;赵雄鹏;;应用VMD和多参数融合的齿轮箱故障诊断[J];组合机床与自动化加工技术;2017年04期
    4 李又栋;;发动机故障诊断中特征融合技术的应用研究[J];科技资讯;2014年06期
    5 闫建阳;陈小虎;陈俊康;;基于铁谱图像异类特征融合的磨损类型识别方法[J];润滑与密封;2020年03期
    6 张龙;甄灿壮;易剑昱;蔡秉桓;徐天鹏;尹文豪;;双通道特征融合CNN-GRU齿轮箱故障诊断[J];振动与冲击;2021年19期
    7 于忠斌;张林;李硕;湛力;刘杰;周苏婷;唐樟春;;基于特征融合技术的滚动轴承退化预测方法研究[J];阀门;2021年06期
    8 江星星;吴楠;石娟娟;沈长青;李川;朱忠奎;;基于脊线信息增强与特征融合的瞬时转频估计[J];振动与冲击;2018年20期
    9 孔子迁;邓蕾;汤宝平;韩延;;基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法[J];仪器仪表学报;2019年06期
    10 孙文卿;邓艾东;邓敏强;朱静;翟怡萌;程强;刘洋;;基于随机森林和自编码的滚动轴承多视角特征融合(英文)[J];Journal of Southeast University(English Edition);2019年03期
    11 熊鹏;汤宝平;邓蕾;赵明航;;基于动态加权密集连接卷积网络的变转速行星齿轮箱故障诊断[J];机械工程学报;2019年07期
    12 朱静;邓艾东;邓敏强;程强;刘洋;;基于MED和自适应VMD的行星齿轮箱故障诊断方法[J];东南大学学报(自然科学版);2020年04期
    13 邹今春;沈玉娣;;变工况齿轮箱故障诊断方法综述[J];机械传动;2012年08期
    14 周凤星,程耕国,高立新;小波分析在大型齿轮箱故障诊断中的应用[J];武汉科技大学学报(自然科学版);2003年03期
    中国重要会议论文全文数据库 前6条
    1 吴国文;田杨阳;毛文涛;;基于特征融合的滚动轴承在线故障诊断[A];第30届中国控制与决策会议论文集(3)[C];2018年
    2 杨航港;王卓;吕志元;郎赛;秦志英;赵月静;;基于EMD-AR谱频带能量特征的齿轮箱故障诊断研究[A];第十四届全国振动理论及应用学术会议(NVTA2021)摘要集[C];2021年
    3 李爱民;;基于灰色聚类决策的齿轮箱故障诊断[A];第19届灰色系统全国会议论文集[C];2010年
    4 苏中元;贾民平;;专家系统及其在齿轮箱故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
    5 蔡安江;豆卫涛;柴彦昌;孙少军;;基于人工神经网络技术的齿轮箱故障诊断应用研究[A];陕西省机械工程学会第九次代表大会会议论文集[C];2009年
    6 高永生;唐力伟;甘霖;杨通强;;基于系统特性的齿轮箱故障诊断[A];2005年中国机械工程学会年会论文集[C];2005年
    中国博士学位论文全文数据库 前3条
    1 赵明航;基于深度残差学习的风电齿轮箱故障诊断[D];重庆大学;2018年
    2 赵川;特征降维与自适应特征提取方法及其在行星齿轮箱故障诊断中的应用研究[D];北京科技大学;2018年
    3 欧璐;图谱理论在齿轮箱故障诊断中的应用研究[D];湖南大学;2016年
    中国硕士学位论文全文数据库 前20条
    1 高正;基于EWT和特征融合的钻机钻杆故障识别研究[D];浙江大学;2019年
    2 何玲;面向故障诊断的异构特征融合与在线不均衡分类研究[D];河南师范大学;2017年
    3 薛璇怡;基于深度学习和迁移学习的行星齿轮箱故障诊断[D];太原理工大学;2020年
    4 靳建华;基于特征融合的滚动轴承不平衡故障诊断方法研究[D];太原科技大学;2021年
    5 孟祥晶;复数微分算子最优化分解方法及其在齿轮箱故障诊断中的应用[D];湖南大学;2019年
    6 唐润;经验小波变换在行星齿轮箱故障诊断中的应用研究[D];电子科技大学;2019年
    7 马芸婷;基于深度学习的齿轮箱故障诊断研究[D];内蒙古科技大学;2019年
    8 黄鑫;齿轮箱故障诊断测点敏感性的研究[D];南昌航空大学;2019年
    9 张神林;基于卷积神经网络的滚动轴承及行星齿轮箱故障诊断方法[D];安徽工业大学;2018年
    10 孙作佩;形态学神经网络在齿轮箱故障诊断中的应用研究[D];华中科技大学;2016年
    11 黄梦君;基于同步压缩小波的风电齿轮箱故障诊断[D];燕山大学;2017年
    12 王聪;基于振动信号的齿轮箱故障诊断系统的研究与开发[D];华北电力大学;2012年
    13 王敏;基于蚁群优化算法的齿轮箱故障诊断研究[D];中北大学;2010年
    14 孙黎明;基于粒子群优化和系统特性的齿轮箱故障诊断研究[D];中北大学;2010年
    15 付晓阳;基于VMD和极限学习机的齿轮箱故障诊断研究[D];河北工业大学;2020年
    16 郭小勇;基于改进的鱼群算法优化神经网络的齿轮箱故障诊断研究[D];中北大学;2018年
    17 李国明;基于神经网络的齿轮箱故障诊断研究[D];河北工业大学;2015年
    18 乔晶晶;基于遗传算法优化神经网络的齿轮箱故障诊断研究[D];中北大学;2011年
    19 杨成;传动齿轮箱故障诊断系统研究[D];哈尔滨工程大学;2013年
    20 徐春雷;基于粒子滤波方法的齿轮箱故障诊断技术[D];中北大学;2013年
     快捷付款方式  订购知网充值卡  订购热线  帮助中心
    • 400-819-9993
    • 010-62982499
    • 010-62783978


    官方彩票