典型文献
基于小波变换和优化CNN的风电齿轮箱故障诊断
文献摘要：
针对传统故障诊断方法过于依赖人为经验的缺陷,提出小波变换和二维密集连接扩张卷积神经网络(WT-ICNN)的风电齿轮箱智能故障诊断方法. 所提方法将一维振动信号通过连续小波变换(WT)转换成二维故障图像;再将二维故障图像输入ICNN中进行训练和测试. 通过齿轮箱开源数据和风场实测数据验证结果表明,与传统故障诊断方法相比,所提方法采用密集连接的结构自适应特征提取时频图,有效加强了故障特征的利用效率;在对风电齿轮箱的故障诊断中,所提方法具有更好的特征复用能力和更高的诊断精度.
文献关键词：
风电齿轮箱;小波变换;卷积神经网络;密集连接;扩张卷积
中图分类号：
作者姓名：
温竹鹏;陈捷;刘连华;焦玲玲
作者机构：
南京工业大学 机械与动力工程学院,江苏 南京 211816;江苏省工业装备数字制造及控制技术重点实验室,江苏 南京 211816
文献出处：
引用格式：
[1]温竹鹏;陈捷;刘连华;焦玲玲-.基于小波变换和优化CNN的风电齿轮箱故障诊断)[J].浙江大学学报（工学版）,2022(06):1212-1219
A类：
风场实测
B类：
于小波,风电齿轮箱,齿轮箱故障诊断,故障诊断方法,密集连接,扩张卷积,WT,ICNN,智能故障诊断,振动信号,连续小波变换,转换成,开源数据,数据验证,自适应特征提取,时频图,故障特征,复用
AB值：
0.240731
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。
