首页|LTSA和深度置信网络的行星齿轮箱故障诊断

LTSA和深度置信网络的行星齿轮箱故障诊断

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对行星齿轮箱振动信号维度高,传统故障诊断方法识别精度低的问题,提出一种基于局部切空间排列算法(Lo-cal Tangent Space Alignment,LTSA)和深度置信网络(Deep Belief Network,DBN)的行星齿轮箱故障诊断方法.首先,利用PCA算法预估高维数据的内在维度,确定目标数据的内在维数;其次,根据目标数据的内在维数结合LTSA算法对高维数据集进行约简,并划分测试集和训练集;最后,利用训练集训练DBN模型参数,获得行星齿轮箱故障辨识模型,并将测试集输入辨识模型实现行星齿轮箱故障辨识.实验结果表明,所提方法实现高维数据降维的同时,也提升了智能诊断模型的分类精度.
Planetary Gearbox Fault Diagnosis for LTSA and Deep Belief Network

王建国、刘冀韬

展开 >

内蒙古科技大学机械工程学院,内蒙古包头 014000

行星齿轮箱 深度置信网络 局部切空间排列 状态辨识 故障诊断

国家自然科学基金

51865045

2022

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2022.371(1)
  • 6
  • 1