应用SDP点对称特征融合图像的行星齿轮箱故障诊断 |
| |
引用本文: | 崔宝珍,彭智慧,王浩楠,任川,高乐乐.应用SDP点对称特征融合图像的行星齿轮箱故障诊断[J].噪声与振动控制,2023(4):82-88. |
| |
作者姓名: | 崔宝珍 彭智慧 王浩楠 任川 高乐乐 |
| |
作者单位: | 1. 中北大学机械工程学院;2. 内蒙古第一机械集团有限公司 |
| |
基金项目: | 国家自然科学基金资助项目(51175480); |
| |
摘 要: | 行星齿轮箱的内部结构复杂,其振动信号呈现非线性、非平稳特点,通过对比两种对原始振动信号处理的方法,应用点对称特征融合图像(Symmetrized Dot Pattern,SDP)达到故障诊断的目的。第一种方法是将采集到的振动信号进行变分模态分解(Variational Mode Decomposition,VMD)并将各阶IMF分量通过SDP转换为极坐标图像;第二种方法是将多测点采集到的原始振动信号直接通过SDP将时频信号转换为极坐标图像;利用卷积神经网络(Convolution Neural Network,CNN)对两种不同方式的SDP图像进行识别分类。通过行星齿轮箱故障实验台验证,结果表明时频融合能够更有效地实现故障诊断且分类准确率高达98.5%。
|
关 键 词: | 故障诊断 行星齿轮箱 变分模态分解 SDP 卷积神经网络 |
|
|