声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2187/TH
国际刊号：0577-6686
发布日期:
作者：胡茑庆, 陈徽鹏, 程哲, 张伦, 张宇
单位：1. 国防科技大学智能科学学院 长沙 410072;；2. 国防科技大学装备综合保障技术重点实验室 长沙 410072
关键词：故障诊断,经验模态分解,深度卷积神经网络,行星齿轮箱；
基金：国家自然科学基金（51475463，51775550）和湖南省自然科学基金（2018JJ3604）资助项目。
行星齿轮箱振动信号具有非平稳特性，需要一定的先验知识和诊断专业知识设计和解释特征从而实现故障诊断。为了实现行星齿轮箱的智能诊断，提出一种基于经验模态分解（Empirical mode decomposition，EMD）和深度卷积神经网络（Deepconvolutional neural network，DCNN）的智能故障诊断方法。首先对振动信号进行经验模态分解得到内禀模式函数（Intrinsicmode function，IMF）；然后利用DCNN融合特征信息明显的IMF分量，并自动提取特征；最后，将特征用于分类器分类识别，从而实现行星齿轮箱故障诊断的自动化。试验结果表明：该方法能准确、有效地对行星齿轮箱的工作状态和故障类型进行分类。
来源：2019年第7期
《机械工程学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。