多SoftMax卷积神经网络及其在行星齿轮箱复杂故障诊断中的应用
Multi-SoftMax Convolution Neural Network and Its Application in the Diagnosis of Planetary Gearbox Complicated Faults
-
作者：
单建华
安徽工业大学
吕钦
安徽工业大学
张神林
安徽工业大学
孟瑞
安徽工业大学
王孝义
安徽工业大学
-
作者单位：
- 通讯作者：
单建华
-
提交时间：2017-12-26 10:14:15
摘要: 现有行星齿轮箱故障诊断方法存在不足：一是传统方法复杂，且不能有效诊断行星齿轮故障类型。二是基于卷积神经网络的方法主要用于诊断齿轮箱故障，很少用来诊断行星齿轮箱。为有效诊断复杂的故障类型和变工况，本文首次提出了故障树形结构、工况并列结构和多SoftMax卷积神经网络。故障树形结构能统一处理各种复杂故障类型，还能查看各个节点的诊断效果。工况并列结构能处理变工况，预测转速和载荷。采用实验室行星齿轮箱的振动数据，进行了一系列测试，表明了本方法能够准确诊断行星齿轮箱复杂故障和变工况，准确率达97%，验证了多SoftMax卷积神经网络强的泛化能力，以及故障树形结构的优势
版本历史
| [V1] |
2017-12-26 10:14:15 |
ChinaXiv:201712.00240V1
|
下载全文 |
相关信息
待评议
点击量
下载量
