摘要
机械齿轮箱应用范围不断扩大,其运行状态成为影响机械传动系统功能的重要因素。考虑到当前机械齿轮箱复合识别方法由于信号数据诊断能力较差,导致其在噪声较大的环境中所得识别结果准确性较低的问题,设计一种基于大数据诊断模型的机械齿轮箱复合识别方法。采集机械齿轮箱运行数据并对其处理,为后续的齿轮箱运行状态诊断提供数据基础。使用成分分析法,提取机械齿轮箱运行状态特征。使用Softmax分类器构建机械齿轮箱大数据复合诊断模型,实现机械齿轮箱的复合识别。构建仿真实验环节,对此方法的识别能力进行分析。经实验结果证实,此方法在多种信噪比环境下,可得到可靠性较高的识别结果,对于机械齿轮箱普及应用具有推广作用。
出处
《制造业自动化》
CSCD
北大核心
2022年第2期176-178,182,共4页
Manufacturing Automation
作者简介
吕文渊(1984-),男,山西河曲人,讲师,硕士,研究方向为自动控制,传感器和仪表检测。
