典型文献
基于MCSA和Fisher-SAE的RV减速器故障特征提取研究
文献摘要：
针对RV减速器实际监测中振动传感器的安装空间和信号采集容易受到限制和干扰等问题,提出了一种基于电机电流信号分析,稀疏自编码和Fisher准则相结合的RV减速器故障特征提取方法.首先,将采集的驱动电机电流数据转换到频域,研究了不同超参数对稀疏自编码的特征提取能力的影响,利用优化参数后的稀疏自编码对频域信号自动提取故障特征;然后,利用Fisher准则对提取的特征的判别能力进行了降序排名,取排名前n个特征,得到了最优故障特征集;最后,结合SoftMax分类层,实现了对RV减速器的故障诊断;搭建了 RV减速器故障实验台,采集了电机电流数据,对基于Fisher-SAE的方法进行了验证,并将其与其他典型机器学习故障诊断方法进行了对比.研究结果表明:该方法能够从RV减速器电机电流信号中提取出故障特征,并选择最有效的故障特征集,解决了振动信号的局限性以及运用电流信号进行故障诊断难以提取有效特征的问题;相比于其他典型机器学习故障诊断方法,该方法的诊断准确率提高了 10％～20％,具有更好的诊断效率和准确性.
文献关键词：
齿轮减速器;故障诊断;故障特征提取;电机电流信号分析;稀疏自编码;Fisher准则;深度学习
中图分类号：
作者姓名：
张兹勤;王贵勇;刘韬
作者机构：
昆明理工大学机电工程学院,云南昆明650500;内蒙古第一机械集团有限公司,内蒙古包头014000
文献出处：
引用格式：
[1]张兹勤;王贵勇;刘韬-.基于MCSA和Fisher-SAE的RV减速器故障特征提取研究)[J].机电工程,2022(07):903-910
A类：
电机电流信号分析
B类：
MCSA,Fisher,SAE,RV,故障特征提取,振动传感器,安装空间,信号采集,受到限制,稀疏自编码,驱动电机,流数据,数据转换,换到,超参数,特征提取能力,优化参数,频域信号,信号自动提取,降序,征集,SoftMax,实验台,故障诊断方法,振动信号,有效特征,诊断准确率,诊断效率,齿轮减速器
AB值：
0.242103
相似文献
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。
