基于深度信念网络在船用齿轮箱故障诊断中的应用研究

• 作者: 周新聪 方军强 郑鹏飞 陈凯
• 来源期刊: 中国修船
• 学科: 交通运输
• 关键词: 故障诊断 振动信号 深度信念网络 特征提取
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 维修理论
• 页码范围: 32-36
• 页数: 5页
• 分类号: U672
• 字数: 3906字
• 语种: 中文
• DOI: 10.13352/j.issn.1001-8328.2018.06.009

摘要

文章针对船用齿轮箱故障信号微弱和传统特征提取方法干扰较大的问题,充分结合深度信念网络(DBN)的特征自动提取优势,将深度信念网络应用于船用齿轮箱的故障诊断.首先,借助于uTkel船用齿轮箱故障模拟试验台获取齿轮箱在不同故障模式下的振动信号;然后将信号作傅里叶变换并划分为训练数据集和测试数据集;最后构建和训练DBN模型,并对模型的预测准确性和鲁棒性进行评估.试验结果表明,DBN模型能够较好地自动提取齿轮箱故障特征,对齿轮箱的故障模式做出准确识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈凯		19	72	3.0	8.0
2	周新聪		52	529	13.0	20.0
3	方军强		3	14	2.0	3.0
4	郑鹏飞		1	0	0.0	0.0