论文摘要
针对掘锚机齿轮箱故障信号具有非平稳、振动模式复杂的特点,传统方法难以进行诊断的问题,提出一种基于EEMD(Ensemble Empirical Mode Decomposition,EEMD)与多通路一维CNN(Convolutional Neural Networks, CNN)的掘锚机齿轮箱故障诊断方法。首先对齿轮箱振动信号进行EEMD分解得到内禀模式函数(Intrinsic mode function,IMF);然后利用多通路1DCNN自适应提取每个分量的特征,并将提取的特征通过一个全连接层进行拼接;最后通过分类器进行分类识别,实现齿轮箱的自动诊断。实验证明,所提方法具有较高准确率,具有一定的实用性。
论文目录
文章来源
类型: 期刊论文
作者: 王飞
关键词: 掘锚机齿轮箱,集合经验模态分解,多通路一维卷积神经网络
来源: 内蒙古科技与经济 2019年21期
年度: 2019
分类: 工程科技Ⅱ辑,工程科技Ⅰ辑
专业: 矿业工程
单位: 中天合创新能源有限责任公司
分类号: TD42
页码: 86-87
总页数: 2
文件大小: 466K
下载量: 55
相关论文文献
标签：掘锚机齿轮箱论文; 集合经验模态分解论文; 多通路一维卷积神经网络论文;