基于多传感器数据融合的齿轮箱故障诊断方法

• 作者: 夏晗铎 郝如江 程旺
• 来源期刊: 国防交通工程与技术
• 学科: 工学
• 关键词: 齿轮箱 故障诊断 多传感器数据融合 连续小波变换 卷积神经网络
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 研究与设计
• 页码范围: 26-29
• 页数: 4页
• 分类号: TP277|TH132.41
• 语种: 中文
• DOI: 10.13219/j.gjgyat.2022.03.007

摘要

为了解决单通道单维度振动信号输入不能全面表达齿轮箱故障特征的问题,提出一种基于多传感器多通道数据融合的诊断模型,结合卷积神经网络应用于齿轮箱振动信号的特征学习和故障分类中.利用连续小波变换对多通道数据进行二维时频变换,得到二维时频图像;构建神经网络诊断模型,以多通道的时频图作为输入,实现多通道信号特征的故障分类.通过动力传动综合故障实验台采集到的多通道振动信号对所提方法进行验证,实验结果表明,所提方法的特征提取能力和故障诊断效果优于单维度信号输入的诊断方法,具有一定的应用价值.