期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于PO-VMD-BiLSTM和声音信号的传动齿轮箱点蚀故障诊断
1
作者 张淋杭 吴鲁纪 +4 位作者 师陆冰 杨林杰 江鹏 齐建军 秦佳音 《机电工程》 北大核心 2025年第8期1469-1478,共10页
传动齿轮箱在运转过程中时常伴随着大量的噪声,会影响基于声音信号进行故障诊断的准确度,因此,针对齿轮箱点蚀声音信号故障特征难以提取、故障准确精度低的问题,提出了一种基于鹦鹉优化变分模态分解算法(PO-VMD)-双向长短期记忆网络(BiL... 传动齿轮箱在运转过程中时常伴随着大量的噪声,会影响基于声音信号进行故障诊断的准确度,因此,针对齿轮箱点蚀声音信号故障特征难以提取、故障准确精度低的问题,提出了一种基于鹦鹉优化变分模态分解算法(PO-VMD)-双向长短期记忆网络(BiLSTM)和声音信号的传动齿轮箱点蚀故障诊断方法。首先,分析了鹦鹉优化变分模态分解算法和双向长短期记忆网络,利用声压传感器采集了齿轮箱的声音信号;然后,基于VMD的参数需要优化的问题,采用PO优化算法对关键参数进行了寻优,利用PO-VMD优化算法提取了声音信号中的时域特征,建立了声音信号的特征向量;最后,利用BiLSTM网络模型对故障特征进行了训练测试,实现了齿轮箱的故障识别目的,并利用中心距91.5 mm齿轮疲劳实验台,采集了不同程度的点蚀故障的声音信号,对基于PO-VMD-BiLSTM和声音信号的传动齿轮箱点蚀故障诊断方法的有效性进行了验证。研究结果表明:基于PO-VMD-BiLSTM的传动齿轮箱不同程度的点蚀故障的声音故障诊断识别的准确度从60.75%提升到了97.75%,识别准确度提升了约61.67%。该方法可以有效提高基于声音信号的传动齿轮箱点蚀故障诊断的准确度。 展开更多
关键词 机械传动系统 声音信号 模拟仿真信号构建 鹦鹉优化变分模态分解 双向长短期记忆网络 声音故障诊断识别
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部