基于SDAE和GRUNN的行星齿轮故障识别

Fault identification of planetary gears based on the SDAE and GRUNN

于军 ¹高莲莲 ²于广滨 ³刘可 ⁴郭振宇⁵

扫码查看

作者信息

1. 哈尔滨理工大学先进制造智能化技术教育部重点实验室,哈尔滨 150080;矿冶过程自动控制技术国家重点实验室,北京100089;哈尔滨理工大学自动化学院,哈尔滨 150080
2. 哈尔滨理工大学电气与电子工程学院,哈尔滨 150080
3. 哈尔滨理工大学机械动力工程学院,哈尔滨 150080
4. 哈尔滨理工大学先进制造智能化技术教育部重点实验室,哈尔滨 150080;哈尔滨理工大学自动化学院,哈尔滨 150080
5. 矿冶过程自动控制技术国家重点实验室,北京100089
折叠

摘要

针对噪声环境和时变转速工况下行星齿轮故障识别率低的问题,提出一种基于堆叠消噪自动编码器(SDAE)和门控循环单元神经网络(GRUNN)的行星齿轮故障识别方法.构建基于SDAE和GRUNN的混合模型,处理前后关联的时序数据,自动地从含噪样本中提取鲁棒故障特征;将行星齿轮故障诊断的训练样本看作该混合模型的输入数据,采用Adam优化算法和dropout技术训练该混合模型,实现多参数的优化,防止过拟合现象的发生;根据训练后的混合模型,利用softmax分类器识别待诊样本中行星齿轮的状态.通过行星齿轮的故障识别实验验证该方法的有效性,实验结果表明该方法具有较强的抗噪能力和时变转速适应能力.

关键词

行星齿轮/故障识别/噪声环境/时变转速/堆叠消噪自动编码器(SDAE)/门控循环单元神经网络(GRUNN)

引用本文复制引用

基金项目

矿冶过程自动控制技术国家重点实验室开放基金(BGRIMM-KZSKL-2020-06)

国家自然科学基金(61806060)

黑龙江省杰出青年基金(JC2015013)

出版年

2021

振动与冲击

中国振动工程学会上海交通大学上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心

影响因子：0.898

ISSN：1000-3835

被引量7

参考文献量2

段落导航