| 基于小波时频图和卷积神经网络的行星齿轮箱故障诊断方法 |
| |
| 引用本文： | 周建华,郑攀,王帅星,巫世晶,王晓笋. 基于小波时频图和卷积神经网络的行星齿轮箱故障诊断方法[J]. 机械传动, 2022, 46(1): 156-163. DOI: 10.16578/j.issn.1004.2539.2022.01.022 |
| |
| 作者姓名： | 周建华 郑攀 王帅星 巫世晶 王晓笋 |
| |
| 作者单位： | 武汉大学 动力与机械学院,湖北 武汉 430072 |
| |
| 摘 要： | 针对行星齿轮箱故障诊断中故障类型难以区分的问题,提出了一种基于小波时频图和卷积神经网络相结合的行星齿轮箱故障诊断方法。首先,对原始信号进行连续小波变换,获取小波时频图;然后,对小波时频图进行统一处理和压缩,将处理好的小波时频图输入到卷积神经网络中进行分类识别,通过调整小波基函数和卷积神经网络参数,最终得到一个较为理想的诊断模型。试验证明,在训练集数据和测试集数据转速不同的情况下,该方法与BP神经网络相比,在诊断准确率和鲁棒性方面都有提升。该方法的研究为行星齿轮箱的故障诊断提供了参考。
|
| 关 键 词： | 行星齿轮箱故障诊断 连续小波变换 小波时频图 卷积神经网络 |
Fault Diagnosis Method of Planetary Gearbox based on Wavelet Time-frequency Diagram and Convolutional Neural Network |
| |
| Zhou Jianhua,Zheng Pan,Wang Shuaixing,Wu Shijing,Wang Xiaosun. Fault Diagnosis Method of Planetary Gearbox based on Wavelet Time-frequency Diagram and Convolutional Neural Network[J]. Journal of Mechanical Transmission, 2022, 46(1): 156-163. DOI: 10.16578/j.issn.1004.2539.2022.01.022 |
| |
| Authors: | Zhou Jianhua Zheng Pan Wang Shuaixing Wu Shijing Wang Xiaosun |
| |
| Affiliation: | (School of Power and Mechanical Engineering,Wuhan University,Wuhan 430072,China) |
| |
| Abstract: | |
| |
| Keywords: | Planetary gearbox fault diagnosis Continuous wavelet transform Wavelet time-frequency diagram Convolutional neural network |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
