稀疏表示自编码网络的齿轮平稳型故障特征提取研究

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：受到噪声和设备偏心等因素的干扰,定轴齿轮平稳型故障的整体特征参数难以准确提取,而智能诊断方法提取的多为抽象特征,不具备可解释性.联合平稳型故障响应机理与稀疏表示理论,设计了具备可解释性的稀疏表示自编码网络,将自编码网络的编码层和解码层分别等效为稀疏向量的求解与过完备字典的学习;基于平稳型故障信号参数的特征设计了自适应优化算法,有效实现了特征参数的快速全局寻优;结合设计的稀疏表示自编码网络与齿轮平稳型故障信号特征构建了深度神经网络,对故障信号进行高精度的特征重构.仿真分析表明该方法特征提取精度高、抗噪性能好,能够直接提取具有明确物理意义的平稳型故障特征参数,进一步验证了所提方法的有效性.

外文标题：Research on feature extraction of steady-type gear faults with sparse representation auto-encoder network

作者：

郑琛、丁康、何国林、蒋飞、叶鸣

展开 >

作者单位：

华南理工大学机械与汽车工程学院,广州 510640

人工智能与数字经济广东省实验室,广州 510640

广州华工机动车检测技术有限公司,广州 510640

关键词：

定轴齿轮特征提取自编码网络稀疏表示平稳型故障

基金：

国家自然科学基金国家自然科学基金

项目编号：

5207518251875207

出版年：

2023

DOI：

10.3969/j.issn.1674-8425(z).2023.01.012

重庆理工大学学报

重庆理工大学

重庆理工大学学报

CSTPCD北大核心

影响因子：0.567

ISSN：1674-8425

年,卷(期)：2023.37(1)

参考文献量7