分类: 机械工程 >> 机械工程其他学科 分类: 计算机科学 >> 计算机应用技术 提交时间: 2017-12-26
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