典型文献
基于自适应小波降噪和Inception网络的齿轮箱故障诊断
文献摘要：
齿轮箱是传动系统中的重要部件,其故障率发生较高且难以直接识别故障情况.针对齿轮箱故障振动信号常含有大量噪声以及难以提取出准确、全面的故障特征的问题,提出一种基于自适应小波降噪和Inception网络的齿轮箱故障诊断方法.首先对采集的振动信号进行自适应小波降噪,然后将降噪后的信号输入Inception网络进行故障特征提取与分类.Inception模块具有多尺度抽象特征提取性能,能够从信号中提取全面的故障特征信息,包括齿轮箱微弱故障信号.研究表明该方法在信噪比SNR为-4 dB的环境下故障识别准确率仍达到92.65％,并且在-4 dB的环境下经过降噪处理的信号再输入Inception网络进行故障识别比直接将信号输入Inception网络进行故障识别准确率高6％.因此利用本研究提出的方法,对齿轮箱进行实时监测,及时发现安全隐患,对保证齿轮箱稳定运行防止财产损失具有重大意义.
文献关键词：
齿轮箱;故障诊断;自适应小波降噪;Inception模块;多尺度抽象特征提取
中图分类号：
作者姓名：
蔡超志;白金鑫;张仲杭;池耀磊
作者机构：
河北工程大学机械与装备工程学院,河北邯郸056038
文献出处：
引用格式：
[1]蔡超志;白金鑫;张仲杭;池耀磊-.基于自适应小波降噪和Inception网络的齿轮箱故障诊断)[J].制造技术与机床,2022(10):21-28
A类：
自适应小波降噪,多尺度抽象特征提取
B类：
Inception,齿轮箱故障诊断,传动系统,故障率,直接识别,故障振动,振动信号,常含,故障诊断方法,故障特征提取,特征信息,微弱故障,弱故障信号,SNR,dB,故障识别,识别准确率,降噪处理,财产损失
AB值：
0.180099
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
