基于局部双谱和卷积神经网络的弧齿锥齿轮故障诊断
杨大炼1
雷家乐1
蒋玲莉2
1.湖南科技大学 机械设备健康维护湖南省重点实验室,湘潭4112012.佛山科学技术学院 机电工程与自动化学院,佛山528225
摘要：针对传统故障诊断方法对弧齿锥齿轮故障诊断效率低的问题,提出一种基于局部双谱和卷积神经网络(Convolution Neural Network,CNN)的故障诊断方法.该方法使用包含全域信息的弧齿锥齿轮振动信号局部双谱图作为CNN的输入构造诊断模型,实现弧齿锥齿轮故障诊断,不仅降低了故障信息的冗余度,而且提高了CNN训练速度.通过与全双谱+CNN、原始振动信号+CNN、局部双谱+SVM(Support Vector Machine)、局部双谱+BP(Back Propagation)神经网络的诊断结果对比,所提出方法的平均诊断准确率为99.56％,模型训练时间为15 s,综合性能最优.
关键词：卷积神经网络局部双谱弧齿锥齿轮故障诊断
分类号：TH50(机械、仪表工业)
资助基金：国家自然科学基金(11872022)航空科学基金(20200033116001)湖南省自然科学基金项目(2021JJ30267)湖南省教育厅优秀青年项目(21B0484)
论文发表日期：2022-12-15
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：7( 1286-1292 )
英文信息