一种基于大数据诊断模型的机械齿轮箱复合识别方法

• 作者: 吕文渊
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 机械故障诊断 齿轮箱故障诊断 深度学习 自动编码机网络 成分分析法 旋转机械
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 设计与应用
• 页码范围: 176-178,182
• 页数: 4页
• 分类号: TH165.3
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2022.02.037

摘要

机械齿轮箱应用范围不断扩大,其运行状态成为影响机械传动系统功能的重要因素.考虑到当前机械齿轮箱复合识别方法由于信号数据诊断能力较差,导致其在噪声较大的环境中所得识别结果准确性较低的问题,设计一种基于大数据诊断模型的机械齿轮箱复合识别方法.采集机械齿轮箱运行数据并对其处理,为后续的齿轮箱运行状态诊断提供数据基础.使用成分分析法,提取机械齿轮箱运行状态特征.使用Softmax分类器构建机械齿轮箱大数据复合诊断模型,实现机械齿轮箱的复合识别.构建仿真实验环节,对此方法的识别能力进行分析.经实验结果证实,此方法在多种信噪比环境下,可得到可靠性较高的识别结果,对于机械齿轮箱普及应用具有推广作用.