期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于轻量化神经网络的齿轮箱声信号可视化故障诊断
1
作者
高瑞斌
马怀成
+2 位作者
杨浩
简彦辰
王依敬
《电子器件》
CAS
2024年第5期1268-1274,共7页
齿轮箱是机械装置的主要部件之一,其中的齿轮因为长期在复杂环境中工作而容易产生故障。利用声波图谱的方式来对齿轮箱故障进行诊断有着无需停机、非接触式的优点。因此,如何提高声波图谱方法的故障诊断效率和诊断精度尤为重要。对采集...
齿轮箱是机械装置的主要部件之一,其中的齿轮因为长期在复杂环境中工作而容易产生故障。利用声波图谱的方式来对齿轮箱故障进行诊断有着无需停机、非接触式的优点。因此,如何提高声波图谱方法的故障诊断效率和诊断精度尤为重要。对采集到的齿轮箱声学信号进行小波变换从而得到时频谱图。提出了一种以MobileNetV3为骨干网络(backbone)进行特征提取,使用改进单次检测器(SSD)进行特征检测的轻量化故障特征诊断网络GSLDN。利用GSLDN识别时频谱图的故障特征,依据转动构件运动原理提出了告警判别模型。通过工程实例分析,对比了YOLOv5_S特征检测模型与GSLDN的识别精确度和运行效率,发现GSLDN有着近似于YOLOv5_S的识别精度,但在参数量和运行时间上大幅度降低。所提出的GSLDN以及告警判别模型能够保证信噪比在大于-7.33 dB时仍然能够准确判断故障发生。
展开更多
关键词
齿轮故障
声波诊断
时频谱图
YOLOv5s
算法
gsldn算法
在线阅读
下载PDF
职称材料
题名
基于轻量化神经网络的齿轮箱声信号可视化故障诊断
1
作者
高瑞斌
马怀成
杨浩
简彦辰
王依敬
机构
国能江苏电力工程技术有限公司
东南大学能源与环境学院
出处
《电子器件》
CAS
2024年第5期1268-1274,共7页
文摘
齿轮箱是机械装置的主要部件之一,其中的齿轮因为长期在复杂环境中工作而容易产生故障。利用声波图谱的方式来对齿轮箱故障进行诊断有着无需停机、非接触式的优点。因此,如何提高声波图谱方法的故障诊断效率和诊断精度尤为重要。对采集到的齿轮箱声学信号进行小波变换从而得到时频谱图。提出了一种以MobileNetV3为骨干网络(backbone)进行特征提取,使用改进单次检测器(SSD)进行特征检测的轻量化故障特征诊断网络GSLDN。利用GSLDN识别时频谱图的故障特征,依据转动构件运动原理提出了告警判别模型。通过工程实例分析,对比了YOLOv5_S特征检测模型与GSLDN的识别精确度和运行效率,发现GSLDN有着近似于YOLOv5_S的识别精度,但在参数量和运行时间上大幅度降低。所提出的GSLDN以及告警判别模型能够保证信噪比在大于-7.33 dB时仍然能够准确判断故障发生。
关键词
齿轮故障
声波诊断
时频谱图
YOLOv5s
算法
gsldn算法
Keywords
gear failure
sonic diagnosis
time spectrum graph
YOLOv5s algorithm
gsldn
algorithm
分类号
TH133 [机械工程—机械制造及自动化]
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于轻量化神经网络的齿轮箱声信号可视化故障诊断
高瑞斌
马怀成
杨浩
简彦辰
王依敬
《电子器件》
CAS
2024
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
