-
题名基于深度学习的齿轮箱故障模糊诊断方法
被引量：6
- 1
-
-
作者
牛冲
王灵梅
陈立明
孟恩隆
-
机构
山西大学山西省风电机组监测与诊断工程技术研究中心
阿尔斯特大学
-
出处
《可再生能源》
CAS
北大核心
2020年第4期484-490,共7页
-
基金
山西省工程技术研究中心项目(201605D141001)
青海省重点研发与转化计划项目(2019-GX-C27)。
-
文摘
风电机组齿轮箱作为传动系统重要组成部分,其运行状态关乎整个风电机组的健康运行。由于齿轮箱振动信号具有非线性、非平稳等特性,传统时频分析方法分解故障信号和提取故障特征的能力有限。因此,文章提出将深度学习应用于齿轮箱故障诊断中,通过构建一维卷积神经网络模型对齿轮箱不同状态下的特征向量进行高效提取、重构。同时,将模糊理论应用于分类器,构建一个模糊多分类器(FMC)对故障进行识别,提出了以平均隶属度作为故障等级判断标准。实验结果表明,文章所提方法在确保齿轮箱故障诊断高准确率的同时,提升了故障分类的精度。
-
关键词
齿轮箱
深度学习
卷积神经网络
模糊多分类器
特征提取
故障诊断
-
Keywords
gearbox
deep learning
convolutional neural network
fuzzy multi-classifier
feature extraction
faults diagnosis
-
分类号
TK83
[动力工程及工程热物理—流体机械及工程]
-
