基于MSB和CNN的弧齿锥齿轮损伤故障识别_中国煤炭行业知识服务平台

基于MSB和CNN的弧齿锥齿轮损伤故障识别

作者

杨大炼雷家乐蒋玲莉
单位

湖南科技大学机械设备健康维护湖南省重点实验室佛山科学技术学院机电工程与自动化学院
摘要

针对弧齿锥齿轮损伤程度识别率低的问题，提出一种基于调制信号双谱和卷积神经网络的弧齿锥齿轮损伤程度识别方法.采集弧齿锥齿轮在正常、轻度损伤及中度损伤3种状态下的振动加速度信号，分别计算其调制信号双谱特征图，构建卷积神经网络，并将调制信号双谱特征图作为输入样本训练卷积神经网络.试验结果表明：本文方法可以有效地提高弧齿锥齿轮损伤程度的识别率，平均识别准确率达99.91%.
关键词

卷积神经网络调制信号双谱弧齿锥齿轮故障诊断
基金项目(Foundation)

航空科学基金资助项目(20200033116001)；湖南省自然科学基金资助项目(2021JJ30267)；湖南省教育厅优秀青年项目资助(21B0484)；
文章目录

1 理论背景
1.1 MSB理论
1.2 CNN简介
1)输入层：
2)卷积层：
3)池化层：
4)全连接层：
2 基于调制信号双谱和CNN的弧齿锥齿轮的损伤程度识别
3 弧齿锥齿轮损伤故障试验
3.1 试验数据采集
3.2 CNN模型构建与参数选择
3.3 弧齿锥齿轮故障识别结果及分析
4 结论
相关文章

[1]基于深度学习和经验模态分解的双列圆锥滚动轴承故障诊断