LTSA和深度置信网络的行星齿轮箱故障诊断

• 作者: 王建国 刘冀韬
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 行星齿轮箱 深度置信网络 局部切空间排列 状态辨识 故障诊断
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 理论与方法研究|Study on Theory and Method
• 页码范围: 5-8
• 页数: 4页
• 分类号: TH16|TH132.425
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2022.01.002

摘要

针对行星齿轮箱振动信号维度高,传统故障诊断方法识别精度低的问题,提出一种基于局部切空间排列算法(Lo-cal Tangent Space Alignment,LTSA)和深度置信网络(Deep Belief Network,DBN)的行星齿轮箱故障诊断方法.首先,利用PCA算法预估高维数据的内在维度,确定目标数据的内在维数;其次,根据目标数据的内在维数结合LTSA算法对高维数据集进行约简,并划分测试集和训练集;最后,利用训练集训练DBN模型参数,获得行星齿轮箱故障辨识模型,并将测试集输入辨识模型实现行星齿轮箱故障辨识.实验结果表明,所提方法实现高维数据降维的同时,也提升了智能诊断模型的分类精度.