基于1-DCNN的行星齿轮箱故障诊断

• 作者: 庞新宇 薛璇怡
• 来源期刊: 机械传动
• 关键词: 1-DCNN智能诊断 特征提取 行星齿轮箱
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 试验分析
• 页码范围: 127-133
• 页数: 7页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2020.11.021

摘要

传统的机器学习方法在行星齿轮箱故障诊断方面存在识别率低、特征提取操作繁琐等问题.为提高行星齿轮箱的诊断效率,提出基于一维深度卷积神经网络(One-dimensional deep con-volutional neural network,1-DCNN)的故障诊断方法,将原始信号直接输入到网络中进行诊断.通过对行星齿轮箱行星轮5种故障信号进行训练验证,精度可达100％,且在诊断精度和效率上优于其他常用算法.