首页|DTCWT多尺度联合熵和CNN的行星齿轮故障诊断方法

DTCWT多尺度联合熵和CNN的行星齿轮故障诊断方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
行星齿轮常被应用于大型机电装备传动系统中,但是极端恶劣工况导致其故障频发,研究行星齿轮故障诊断有助于预知性维护,提高机电装备运行效率和可靠性.提出了 一种结合双树复小波变换(Dual-Tree Complex Wavelet Trans-form,DTCWT)多尺度联合熵特征和卷积神经网络(Convolutional Neural Network,CNN)的故障诊断方法.利用相比于普通小波变换更高级的DTCWT,将行星齿轮故障激励的特征信息分解到不同的信号分量中,结合多尺度粗粒化、频谱熵和能量熵,实现多尺度联合熵特征量化,最终结合CNN实现行星齿轮故障类型识别.通过实验验证分析,证明所提出的方法识别率达到94.5％,具有较好的诊断效果.
Fault Diagnosis Method of Planetary Gear Based on Multi-Scale Joint Entropy Feature of DTCWT and CNN

杨欢、刘德洋、彭利平

展开 >

常州刘国钧高等职业技术学校机电工程系,江苏 常州 213022

河海大学机电工程学院,江苏 常州 213022

行星齿轮 故障诊断 DTCWT 联合熵特征 CNN

国家自然科学基金中国博士后科学基金特别资助项目

516051382018T110568

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.(12)
  • 1
  • 5