基于特征差异性学习卷积神经网络的齿轮箱故障诊断方法 |
| |
引用本文: | 石永芳,徐庆宏,姜宏,章翔峰.基于特征差异性学习卷积神经网络的齿轮箱故障诊断方法[J].机床与液压,2023,51(24):176-183. |
| |
作者姓名: | 石永芳 徐庆宏 姜宏 章翔峰 |
| |
作者单位: | 新疆医科大学医学工程技术学院;新疆大学机械工程学院 |
| |
基金项目: | 国家自然科学基金地区科学基金项目(51865054) |
| |
摘 要: | 针对齿轮箱故障诊断需要大量专家经验知识、人工提取特征困难的问题,提出基于特征差异性学习卷积神经网络(FDLCNN)的故障诊断方法。构建不同深度的多尺度网络,并引入残差模块,以提升网络的特征提取能力;提取一维时序信号中不同尺度不同深度的故障特征,再通过自适应平均池化层处理后进行特征融合,以丰富智能诊断决策信息;最后在全连接层实现特征降维,使用Softmax分类器输出诊断结果。利用10种齿轮箱故障状态实验数据与现有3种方法进行对比分析,结果表明:FDLCNN故障识别精度更高,鲁棒性更强,收敛速度更快。
|
关 键 词: | 齿轮箱 故障诊断 卷积神经网络 多尺度特征提取 残差学习 |
|
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |