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：汪久根, 柯梁亮
单位：浙江大学机械工程学院 杭州 310058
关键词：RV减速器,残差网络,故障诊断,深度学习,振动信号；
基金：国家高技术研究发展计划（863计划，2015AA043002）、国家自然科学基金（51375436）和浙江省重大科技专项（2017C01047）资助项目。
为了提升对RV减速器的故障诊断的准确率，采用残差网络诊断RV减速器的故障。通过振动试验台测得RV减速器4种故障模式与正常模式下的振动信号，由此构造训练和测试数据集，并对训练集进行数据增强处理。然后将截取的一维信号样本预处理转换为二维信号样本，输入残差网络进行训练和5折交叉验证。接着通过残差网络的分类准确率与DNN、LeNet、10层CNN等模型的准确率进行比较，结果表明残差网络优于传统方法，对RV减速器故障的分类准确率达到了98.11%。进一步采用了西储大学轴承数据集对模型的泛用性进行验证。最终，通过LDA （线性判别分析）对残差网络平均池化层的输出进行降维，分析了散点图与RV减速器故障类型之间的关系。
来源：2019年第3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。