CNN和D-S证据理论相结合的齿轮箱复合故障诊断研究 |
| |
引用本文: | 张立智,井陆阳,徐卫晓,谭继文. CNN和D-S证据理论相结合的齿轮箱复合故障诊断研究[J]. 机械科学与技术, 2019, 38(10): 1582-1588 |
| |
作者姓名: | 张立智 井陆阳 徐卫晓 谭继文 |
| |
作者单位: | 青岛理工大学机械与汽车工程学院,山东青岛,266520;青岛理工大学机械与汽车工程学院,山东青岛,266520;青岛理工大学机械与汽车工程学院,山东青岛,266520;青岛理工大学机械与汽车工程学院,山东青岛,266520 |
| |
基金项目: | 国家自然科学基金;山东省重点研发计划项目;高等学校科技计划 |
| |
摘 要: | 针对齿轮箱复合故障诊断问题,将深度卷积模型(CNN)和D-S证据理论相结合,对多传感器信息进行融合。首先,利用深度卷积模型对多个传感器信息进行自适应特征提取,经softmax进行初步分类。其次,将深度卷积模型的输出结果作为D-S证据理论的输入,计算出基本概率分配,根据Dempster合成法则进行决策融合。为验证此方法对齿轮箱复合故障诊断的有效性,使用BP神经网络与D-S证据理论模型作为对比,并对自适应提取的特征与人工特征进行了主成分分析(PCA)。实验结果表明,利用该方法对齿轮箱复合故障进行实验诊断,准确率达到84.58%。相比单一传感器,正确率提高了7.91%;相比BP神经网络与D-S证据理论模型,正确率提高了6.18%,验证了此方法的有效性。
|
关 键 词: | 齿轮箱 故障诊断 深度卷积网络 D-S证据理论 神经网络 信息融合 |
A Composite Fault Diagnosis Method of Gearbox Combining with Convolution Neural Network and D-S Evidence Theory |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|