检索结果-南通市图书馆

机电工程 2024年

作者：陈蓉王磊江苏省淮阴商业学校机电信息系东南大学机械工程学院

针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题，提出了一种基于多通道二维卷积神经网络（MC2DCNN）与长短期记忆神经网络（LSTM）特征融合的故障诊断方法。首先，设计了一种三通道混合编码的二维样本结构，以达... 详细信息

针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题，提出了一种基于多通道二维卷积神经网络（MC2DCNN）与长短期记忆神经网络（LSTM）特征融合的故障诊断方法。首先，设计了一种三通道混合编码的二维样本结构，以达到故障识别与分类目的，对齿轮箱典型故障进行了自适应分类；其次，该模型将齿轮箱的垂直、水平和轴向三个方向的振动信号融合构造输入样本，结合了二维卷积神经网络与长短时记忆神经网络的优势，设计了与之对应的二维卷积神经网络结构，其相较于传统的单通道信号包含了更多的状态信息；最后，分析了轧制过程数据和已有实验数据，对齿轮故障和齿轮箱全故障进行了特征识别和分类，验证了该模型的准确率。研究结果表明：模型对齿轮箱齿面磨损、齿根裂纹、断齿以及齿面点蚀等典型故障识别的平均准确率达到95.9%，最高准确率为98.6%；相较于单通道信号，多通道信号混合编码方式构造的分类样本极大地提升了神经网络分类的准确性，解调出了更丰富的故障信息。根据轧制过程中的运行数据和实验台数据，验证了该智能诊断方法较传统方法在分类和识别准确率上更具优势，为该方法的工程应用提供了理论基础。

关键词：高精度轧机齿轮箱智能故障诊断多通道二维卷积神经网络长短期记忆神经网络数据分类

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：