基于卷积网络与自适应SVM的齿轮箱故障诊断

• 作者: 段泽森 郝如江 张晓锋 程旺 夏晗铎
• 来源期刊: 国防交通工程与技术
• 学科: 工学
• 关键词: 卷积神经网络 支持向量机 齿轮箱 故障诊断 粒子群优化算法
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 研究与设计
• 页码范围: 21-24,4
• 页数: 5页
• 分类号: TH132.41
• 语种: 中文
• DOI: 10.13219/j.gjgyat.2022.02.005

摘要

针对齿轮箱运作过程中故障诊断效果不理想的问题,提出了一种卷积神经网络(CNN)与粒子群优化的支持向量机(PSO-SVM)方法.首先利用特征参量求出信号的时频特征统计量,其次利用卷积神经网络对时频特征统计量进行二次特征提取,最后利用粒子群优化的支持向量机进行分类.经实验验证,此方法准确率不仅高于其他经典网络模型,而且训练时间最短.