基于多方向振动数据的风机齿轮箱故障智能诊断

风机齿轮箱作为风机的关键传递结构，针对其关键部件的故障诊断，提出了一种基于极点对称模态分解算法（ESMD）、Mobile Net V2神经网络和D-S证据理论的诊断方法。首先将3个方向的复杂的故障信号进行ESMD分解与重构，将3个方向重构后的信号输入到Mobile Net V2网络中进行训练，最后利用D-S证据理论进行融合计算并得到最终的预测结果。使用某公司搭建的风机齿轮箱实验平台数据，最终通过实验表明，文中所提出的诊断方法有效，在准确率可以接受的前提下，极大地减少了运算的时间，实现了轻量化。