期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于深度学习多样性特征提取与信息融合的行星齿轮箱故障诊断方法 被引量:38
1
作者 金棋 王友仁 王俊 《中国机械工程》 EI CAS CSCD 北大核心 2019年第2期196-204,共9页
针对行星齿轮箱振动信号噪声干扰大、单一分类器泛化能力不强的问题,提出了一种基于深度学习多样性特征提取与信息融合的行星齿轮箱故障诊断方法。利用多目标优化算法优化多个堆栈去噪自动编码器(SDAE)以获得多个性能优异的SDAE,并提取... 针对行星齿轮箱振动信号噪声干扰大、单一分类器泛化能力不强的问题,提出了一种基于深度学习多样性特征提取与信息融合的行星齿轮箱故障诊断方法。利用多目标优化算法优化多个堆栈去噪自动编码器(SDAE)以获得多个性能优异的SDAE,并提取多样性的故障特征;采用多响应线性回归模型集成多样性故障特征实现信息融合,得到多目标集成堆栈去噪自动编码器(MO-ESDAE),最后将其应用于行星齿轮箱故障诊断。实验结果表明:该方法能有效提高故障诊断精度与稳定性,具有较强的泛化能力。 展开更多
关键词 行星齿轮箱故障诊断 深度神经网络 多样性特征提取 多目标进化算法
在线阅读 下载PDF
小波包分解和改进ResNet行星齿轮箱故障诊断方法 被引量:6
2
作者 郝德琛 李华玲 黄晋英 《传感器与微系统》 CSCD 北大核心 2022年第8期116-119,123,共5页
针对行星齿轮箱中故障诊断信号存在的类内离散大和类间相似的问题,提出识别技术改进深度残差网络(IResNet)和小波包分解(WPD)模型。行星齿轮箱振动信号进行小波包频段分解后,振动信号的故障类型和各个频段的能量熵分布有一定关联。筛选... 针对行星齿轮箱中故障诊断信号存在的类内离散大和类间相似的问题,提出识别技术改进深度残差网络(IResNet)和小波包分解(WPD)模型。行星齿轮箱振动信号进行小波包频段分解后,振动信号的故障类型和各个频段的能量熵分布有一定关联。筛选最优解得结果进行振动信号的重构,作为样本。使用改进深度残差网络,在网络拥有残差结构的基础上,通过使用紧凑卷积(CompConv)模块替换卷积模块,并减少网络深度,使网络模型变得轻量化。在网络中加入自注意力机制,进一步提高网络的准确率。使用WPD-IResNet网络模型进行10次实验,故障诊断准确率平均值为99.1%。 展开更多
关键词 改进深度残差网络 小波包分解 紧凑卷积结构 自注意力机制 行星齿轮箱故障诊断
在线阅读 下载PDF
基于多信息融合的INFO-VMD-CNN的齿轮箱故障诊断方法
3
作者 吴胜利 郑子润 邢文婷 《振动与冲击》 北大核心 2025年第13期309-316,共8页
针对齿轮箱振动信号复杂多变,导致现有的齿轮箱故障诊断方法诊断精度不高、较弱故障特征容易被噪声淹没等问题,提出了一种基于向量加权平均优化算法(weighted mean of vectors,INFO)、变分模态分解(variational mode decomposition,VMD... 针对齿轮箱振动信号复杂多变,导致现有的齿轮箱故障诊断方法诊断精度不高、较弱故障特征容易被噪声淹没等问题,提出了一种基于向量加权平均优化算法(weighted mean of vectors,INFO)、变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural network,CNN)的齿轮故障诊断方法。该方法首先采用熵权法将不同位置的振动传感器信号信息进行融合,利用INFO对VMD算法中参数进行优化,并设计一个复合评价指标作为参数优化的评价标准,使用奇异峭度差分谱的方法对敏感分量进行重构;其次,从重构的信号中提取时域、频域特征并输入到CNN模型中进行分类;最后通过Shap(Shapley additive explanations)值法对模型输入特征的重要性进行排序,分析不同特征组合对模型分类和特定故障识别的影响。在东南大学行星齿轮数据集上进行验证,结果表明,利用所提特征组合进行故障诊断,CNN模型故障诊断准确率为98.24%,高于其他特征组合,为行星齿轮箱的故障诊断提供了一组有效的特征指标。 展开更多
关键词 行星齿轮箱故障诊断 向量加权平均算法(INFO) 奇异峭度差分谱 卷积神经网络(CNN) 评价指标 Shap值法
在线阅读 下载PDF
基于自适应EEMD和分层分形维数的风电机组行星齿轮箱故障检测 被引量:20
4
作者 李东东 周文磊 +1 位作者 郑小霞 王浩 《电工技术学报》 EI CSCD 北大核心 2017年第22期233-241,共9页
针对传统平均经验模态分解(EEMD)中添加白噪声参数需依据人工经验设定的缺陷,在研究引起模态混叠原因的基础上提出一种自适应EEMD方法。该方法可以根据信号本身特性,自适应设定白噪声标准差以达到最优分解效果。首先使用奇异值差分谱法... 针对传统平均经验模态分解(EEMD)中添加白噪声参数需依据人工经验设定的缺陷,在研究引起模态混叠原因的基础上提出一种自适应EEMD方法。该方法可以根据信号本身特性,自适应设定白噪声标准差以达到最优分解效果。首先使用奇异值差分谱法对信号进行分解、重构,然后利用提取得到的高频冲击分量和噪声分量的复合分量对所需添加白噪声标准差大小进行自适应整定,最后通过自适应EEMD将信号分解为一系列本征模态函数(IMF)。分形维数对信号特征评价性能良好,所以用分形维数来识别不同类型振动信号是十分有效的。本文提出分层分形维数方法,可提高信号识别、分类效率和准确度。使用该复合方法处理仿真信号、风电机组传动系统实验平台信号均取得良好效果,证明了本文所提方法的有效性。 展开更多
关键词 风电机组 行星齿轮箱故障诊断 自适应平均经验模态分解 分层分形维数
在线阅读 下载PDF
Frequency Demodulation Analysis Method for Fault Diagnosis of Planetary Gearboxes
5
作者 FENG Zhipeng CHU Fulei 《中国电机工程学报》 EI CSCD 北大核心 2013年第11期I0016-I0016,共1页
Although envelope spectrum does not involve complicated sideband,thus has a much simpler structure than the common Fourier spectrum,it is still subject to the efect of planets passing or time variant vibration transfe... Although envelope spectrum does not involve complicated sideband,thus has a much simpler structure than the common Fourier spectrum,it is still subject to the efect of planets passing or time variant vibration transfer pams.The presence of planets passing frequency,sun gear rotating frequency,or planet carrier rotating frequency in the envelope spectrum may confuse the analysis in fault diagnosis.Therefore,it is important to look for an approach to remove the interferences caused by the efect of planets passing or time variant vibration transfer paths. 展开更多
关键词 planetary gearbox fault diagnosis frequency modulation demodulation instantaneous frequency spectrum
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部