NETL
基于DBNs的齿轮传动系统故障诊断的研究
CHEN Baojia 1陈保家 2LIU Haotao 1刘浩涛 2ZHAO Chunhua 1赵春华 2XIAO Wenrong 1肖文荣 2CHEN Fafa 1陈法法2
作者信息
- 1. 三峡大学水电机械设备设计与维护湖北省重点实验室,湖北宜昌443002
- 2. 三峡大学机械与动力学院,湖北宜昌443002
- 折叠
摘要
针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法.首先利用深度置信网络(Deep Belief Networks,DBNs)网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后再通过DBNs的复杂映射表征能力对故障信号进行故障判别.通过诊断实例表明,如果不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,正确识别率只能达到60％左右;如果对时域信号进行简单的傅里叶变换后,再利用DBNs对处理后的振动信号频谱进行诊断分析,正确率能达到99.7％,证实了所述故障诊断方法的简易性和有效性.
关键词
齿轮传动系统/故障诊断/特征提取/深度置信网络引用本文复制引用
主办单位
中国机械工程学会/中国振动工程学会/中国设备管理协会 会议名称
2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议会议时间
2018-08-01会议地点
内蒙古包头会议母体文献
2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议论文集页码
556-558出版时间
2018