一种基于深度学习理论的齿轮系统故障诊断方法
徐文博1
任亚峰2
韩冰3
1.郑州机械研究所有限公司,河南郑州4500522.太原科技大学机械工程学院, 山西太原0300243.西北工业大学陕西省机电传动与控制工程实验室,陕西西安710072
摘要：分别建立了基于快速傅里叶变换和深度置信网络的FFT-DBN模型、基于小波变换和深度卷积神经网络的WT-CNN模型以及基于希尔伯特-黄变换和深度卷积神经网络的HHT-CNN模型,通过将3种深度学习模型有机融合,进一步构建了基于深度学习理论的齿轮系统故障诊断综合评判模型.通过搭建功率封闭齿轮系统振动测试试验台,加工不同故障模式的测试齿轮副并提取其振动加速度信号作为样本,将基于深度学习理论的综合评判模型的故障识别效果与其他模型进行了对比.结果 表明,基于深度学习理论的综合评判模型能够有效地辨识出多种齿轮故障;与其他模型相比,基于深度学习理论的综合评判模型的故障识别准确度更高.
关键词：故障诊断齿轮振动深度学习
资助基金：国家自然科学基金(51535009)高等学校学科创新引智计划计划)(B13044)
论文发表日期：2020-08-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 78-83 )
英文信息