典型文献
基于Triplet Network的小样本轴承、齿轮故障诊断方法
文献摘要：
针对小样本条件下,深度神经网络在机械设备典型部件中(轴承、齿轮)故障诊断精度不高这一问题,提出了一种基于Triplet Network的机械设备典型部件(轴承、齿轮)故障诊断方法.首先,利用短时傅里叶变换,将原始时序信号转换为时频信号;然后,采用了基于Triplet Network搭建的模型,从时频信号中提取了同一故障和不同故障样本的特征,通过对比相同故障和不同故障样本特征的相似度,对模型参数进行了优化,达到了提取的同一故障样本特征相似度越来越高,不同故障样本特征相似度越来越低的效果;最后,通过比较未知样本与已知故障样本的特征相似度,实现了对机械设备典型部件(轴承、齿轮)的故障识别,并采用江南大学轴承故障数据集和康涅狄格大学齿轮故障数据集,对该故障诊断方法的有效性进行了实验验证.研究结果表明:基于Triplet Network的方法在每类训练样本只有5个的情况下,轴承故障识别率可以达到68％,齿轮故障识别率为96.8％,均优于传统的深度神经网络方法.
文献关键词：
齿轮故障诊断;滚动轴承故障诊断;深度神经网络;特征相似度;故障识别率;时频信号;小样本
中图分类号：
作者姓名：
谢由生;张军
作者机构：
安徽理工大学 人工智能学院,安徽淮南232001
文献出处：
引用格式：
[1]谢由生;张军-.基于Triplet Network的小样本轴承、齿轮故障诊断方法)[J].机电工程,2022(08):1111-1117
A类：
B类：
Triplet,Network,小样本,齿轮故障诊断,故障诊断方法,样本条件,深度神经网络,机械设备,典型部件,故障诊断精度,短时傅里叶变换,时序信号,信号转换,时频信号,样本特征,特征相似度,越来越低,未知样本,故障数据,康涅狄格,每类,训练样本,故障识别率,齿轮故障识别,神经网络方法,滚动轴承故障诊断
AB值：
0.239595
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。
