内容提供者
基于多信息融合和卷积神经网络的行星齿轮箱故障诊断.pptx
2024-10-04
20金币
4.7MB
29页
快乐****蜜蜂
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共29页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于多信息融合和卷积神经网络的行星齿轮箱故障诊断.pptx
行星齿轮箱故障诊断目录添加目录项标题行星齿轮箱故障诊断原理多信息融合技术卷积神经网络故障诊断流程诊断准确率多信息融合技术应用振动信号采集温度和油液信息融合声发射信号处理特征提取与分类卷积神经网络模型构建网络结构选择卷积层设计池化层与全连接层训练与优化行星齿轮箱故障诊断实验数据集准备实验环境搭建模型训练与验证结果分析诊断系统实现与验证系统架构设计诊断算法集成系统测试与验证实际应用案例感谢观看
2024-10-04
20
4.7MB
基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法.docx
基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法摘要：齿轮箱是一种常见的工业设备，其故障会严重影响生产效率和设备的可靠性。因此，快速、准确地诊断齿轮箱故障对于维护设备和预防生产事故非常重要。本文提出了一种基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法。首先，运用经验模态分解将行星齿轮箱振动信号分解成一系列不同频率的内固有模态函数。然后，将每个模态函数表示为矩阵形式，并将其作为输入传给深度卷积神经网络进行故障分类。实验结果表明，
2024-11-01
5
11KB
基于多传感器信息融合的变工况行星齿轮箱故障诊断方法.pdf
本发明属于旋转机械故障诊断技术领域，尤其涉及一种基于多传感器信息融合的变工况行星齿轮箱故障诊断方法，特别适用于变工况复杂风电行星齿轮箱的故障诊断方法。包括以下步骤：（1）根据行星齿轮箱结构特点及诊断难度，选取合适的振动测点布置位置和传感器类型，制定采集方案；（2）根据阶比重构技术，将振动信号进行预处理，将非线性、非平稳的时域信号转化为具有平稳性的角域信号；将等时间间隔采样的非平稳振动时域信号转化为具有平稳特性的角域振动信号；（3）多传感器信息的融合；（4）将行星齿轮箱的故障按分布故障和局部故障进行划分；（
2023-09-04
10
2.2MB
基于多特征融合的行星齿轮箱点蚀故障诊断研究.pptx
基于多特征融合的行星齿轮箱点蚀故障诊断研究目录添加章节标题行星齿轮箱点蚀故障概述故障定义与表现故障产生的原因和影响传统故障诊断方法多特征融合在故障诊断中的应用特征提取特征融合的原理与方法与其他方法的比较基于多特征融合的行星齿轮箱点蚀故障诊断流程数据采集与预处理特征提取与优化特征融合与分类诊断结果评估实验验证与结果分析实验平台与数据集实验过程与参数设置实验结果与分析结果比较与讨论结论与展望研究结论研究局限与不足未来研究方向THANKYOU
2024-10-03
20
2.3MB
基于多属性卷积神经网络的变工况行星齿轮箱太阳轮故障诊断方法.pdf
本发明公开一种基于多属性卷积神经网络的变工况行星齿轮箱太阳轮故障诊断方法，属于机械故障诊断技术领域。该方法首先采集行星齿轮箱太阳轮不同故障类型、不同转速、不同负载工况下的行星齿轮箱的振动数据，从振动数据中创建多个样本点并赋予相应的多属性标签，搭建多属性卷积神经网络，训练多属性卷积神经网络，测试时从待诊断的行星齿轮箱的振动数据中创建多个数据样本点，用训练好的多属性卷积神经网络对测试样本点进行诊断，完成对变工况行星齿轮箱太阳轮故障诊断。本发明方法能够自动提取特征，准确率高，泛化性能强，方法简单易懂，且能实现变
2023-09-01
10
1.1MB