10.3969/j.issn.1006-1355.2023.04.013
应用SDP点对称特征融合图像的行星齿轮箱故障诊断
行星齿轮箱的内部结构复杂,其振动信号呈现非线性、非平稳特点,通过对比两种对原始振动信号处理的方法,应用点对称特征融合图像(Symmetrized Dot Pattern,SDP)达到故障诊断的目的.第一种方法是将采集到的振动信号进行变分模态分解(Variational Mode Decomposition,VMD)并将各阶IMF分量通过SDP转换为极坐标图像;第二种方法是将多测点采集到的原始振动信号直接通过SDP将时频信号转换为极坐标图像;利用卷积神经网络(Convolution Neural Network,CNN)对两种不同方式的SDP图像进行识别分类.通过行星齿轮箱故障实验台验证,结果表明时频融合能够更有效地实现故障诊断且分类准确率高达98.5%.
故障诊断、行星齿轮箱、变分模态分解、SDP、卷积神经网络
43
TH132.41
国家自然科学基金;省重点研发计划国际合作资助项目;中北大学先进制造技术山西省重点实验室开放课题研究基金资助项目
2023-08-21（万方平台首次上网日期，不代表论文的发表时间）
共7页
82-88
