基于一维卷积神经网络的齿轮箱故障诊断

被引：92

作者：

吴春志

江鹏程

冯辅周

陈汤

陈祥龙

机构：

[1] 陆军装甲兵学院车辆工程系

来源：

振动与冲击 | 2018年 / 37卷 / 22期

关键词：

卷积神经网络; 故障诊断; 齿轮箱; 特征学习;

D O I：

10.13465/j.cnki.jvs.2018.22.008

中图分类号：

TH132.41 [齿轮及齿轮传动];

学科分类号：

摘要：

传统故障诊断方法通常需要先人工提取特征再用模式识别方法进行分类,难以解决端到端故障诊断的问题,为此,提出了一种利用一维卷积神经网络的齿轮箱故障诊断模型。其特点是可以直接从原始振动信号中学习特征并完成故障诊断。采用PHM 2009 Challenge Data和某型坦克变速箱的复合故障数据对三种传统模型和一维卷积神经网络模型进行测试,结果表明,1-DCNN模型对单一和复合故障诊断准确率均高于传统诊断方法。

引用

页码：51 / 56

页数：6

共 10 条

[1] 基于小波时频图和CNN的滚动轴承智能故障诊断方法 [J].

袁建虎 ;

韩涛 ;

唐建 ;

安立周 .

机械设计与研究, 2017, 33 (02) :93-97

[2] 基于MWT和CNN的滚动轴承智能复合故障诊断方法 [J].

韩涛 ;

袁建虎 ;

唐建 ;

安立周 .

机械传动, 2016, 40 (12) :139-143

[3] 变转速及齿轮噪源干扰下基于IDMM与EMD的滚动轴承故障诊断方法 [J].

赵德尊 ;

李建勇 ;

程卫东 .

振动与冲击, 2016, 35 (10) :101-107+119

[4] 基于多重分形理论与神经网络的齿轮故障诊断 [J].

褚青青 ;

肖涵 ;

吕勇 ;

杨志武 .

振动与冲击, 2015, 34 (21) :15-18

[5] 基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法 [J].

罗毅 ;

甄立敬 .

振动与冲击, 2015, 34 (03) :210-214

[6] 基于EEMD能量熵和支持向量机的齿轮故障诊断方法 [J].

张超 ;

陈建军 ;

郭迅 .

中南大学学报(自然科学版), 2012, 43 (03) :932-939

[7] 提升小波在齿轮箱故障诊断中的应用 [J].

季忠 ;

黄捷 ;

秦树人 .

振动测试与诊断., 2010, 30 (03) :291-294+340

[8]

Gearbox fault diagnosis based on deep random forest fusion of acoustic and vibratory signals[J] . Chuan Li,René-Vinicio Sanchez,Grover Zurita,Mariela Cerrada,Diego Cabrera,Rafael E. Vásquez.Mechanical Systems and Signal Processing . 2016

[9]

Gearbox Fault Identification and Classification with Convolutional Neural Networks[J] . ZhiQiang Chen,Chuan Li,René-Vinicio Sanchez,Dong Wang.Shock and Vibration . 2015

[10]

PHM data challenge 2009 .2 https:∥www.phmsociety. org/competition/PHM/09 .

← 1 →