小波变换和深度残差收缩网络在齿轮箱故障诊断中的应用OA北大核心CSTPCD
Application of Wavelet Transform and Deep Residual Shrinkage Network in Gearbox Fault Diagnosis
齿轮的精确故障诊断是确保旋转机械设备稳定可靠运行的有效手段,针对强噪声环境下齿轮箱中齿轮故障分类问题,提出了一种基于连续小波变换和深度残差收缩网络的故障诊断模型.首先,采用小波变换对一维时间序列的振动数据进行时频分析,将其转化为二维时频图作为深度残差收缩网络(DRSN)的输入;其次,在多层卷积神经网络的基础上加入残差结构中的跨层恒等连接解决了梯度消失和爆炸的问题,同时利用自适应阈值子网络实现软阈值化降噪;最后,将故障样本的时频图作为诊断模型的输入…查看全部>>
Accurate fault diagnosis of gears is an effective means to ensure stable and reliable operation of rotating machinery.Aiming at the problem of gear fault classification in gearboxes under strong noise environment,a fault diagnosis model based on continuous wavelet transform and deep residual shrinkage network is proposed.Firstly,wavelet transform is used to analyze the vibration data of one-dimensional time series,and it is converted into a two-dimensional t…查看全部>>
翁敏超;王海瑞;朱贵富
昆明理工大学信息工程与自动化学院,昆明 650500昆明理工大学信息工程与自动化学院,昆明 650500昆明理工大学信息工程与自动化学院,昆明 650500
机械工程
齿轮箱时频分析深度残差收缩网络(DRSN)故障诊断
gearboxtime-frequency analysisDRSNfault diagnosis
《机械科学与技术》 2024 (5)
790-797,8
国家自然科学基金项目(61863016,61263023)
评论