基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对齿轮传动系统振动信号复杂,传统的时频域信号处理方法效率低下且过度依赖专业领域知识等问题,结合深度神经网络数据挖掘性强、特征提取敏感的特点,设计了一种基于振动信号的减速箱智能故障诊断系统.系统利用深度置信网络(Deep Belief Networks,DBNs)直接面向底层数据进行故障特征提取,完成减速箱齿轮故障模式的自动识别,利用LabVIEW软件平台开发减速箱智能故障诊断系统.实验结果表明,该系统在采集和接收到试验台振动信号后,能够及时、有效、精准地对减速箱齿轮信号做出判别,提高了数据处理效率,降低了故障诊断难度,使减速箱的故障诊断更加高效快捷.
推荐文章
基于LabVIEW的齿轮箱故障诊断系统设计
齿轮箱
小波变换
EEMD
LabVIEW
基于LabVIEW和PXI的某装备组合故障诊断系统设计
PXI总线
虚拟仪器
故障诊断
在线测试
APU故障智能诊断系统设计
辅助动力装置
智能故障诊断
小波包分析
Min-Max算法
改进BP网络
基于LabVIEW的旋转机械远程故障诊断系统研制
LabVIEW
旋转机械
神经网络
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LabVIEW的减速箱智能故障诊断系统设计
来源期刊 实验室研究与探索 学科
关键词 故障诊断 齿轮箱 信号采集 深度置信网络
年,卷(期) 2021,(6) 所属期刊栏目 仪器设备研制与开发|R & D of Instruments and Apparatus
研究方向 页码范围 106-110,128
页数 6页 分类号 TH165+.3
字数 语种 中文
DOI 10.19927/j.cnki.syyt.2021.06.022
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
故障诊断
齿轮箱
信号采集
深度置信网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
实验室研究与探索
月刊
1006-7167
31-1707/T
大16开
上海华山路1954号交大教学三楼456、457室
4-834
1982
chi
出版文献量(篇)
14661
总下载数(次)
46
论文1v1指导