典型文献
LTSA和深度置信网络的行星齿轮箱故障诊断
文献摘要：
针对行星齿轮箱振动信号维度高,传统故障诊断方法识别精度低的问题,提出一种基于局部切空间排列算法(Lo-cal Tangent Space Alignment,LTSA)和深度置信网络(Deep Belief Network,DBN)的行星齿轮箱故障诊断方法.首先,利用PCA算法预估高维数据的内在维度,确定目标数据的内在维数;其次,根据目标数据的内在维数结合LTSA算法对高维数据集进行约简,并划分测试集和训练集;最后,利用训练集训练DBN模型参数,获得行星齿轮箱故障辨识模型,并将测试集输入辨识模型实现行星齿轮箱故障辨识.实验结果表明,所提方法实现高维数据降维的同时,也提升了智能诊断模型的分类精度.
文献关键词：
行星齿轮箱;深度置信网络;局部切空间排列;状态辨识;故障诊断
中图分类号：
作者姓名：
王建国;刘冀韬
作者机构：
内蒙古科技大学机械工程学院,内蒙古包头 014000
文献出处：
引用格式：
[1]王建国;刘冀韬-.LTSA和深度置信网络的行星齿轮箱故障诊断)[J].机械设计与制造,2022(01):5-8
A类：
B类：
LTSA,深度置信网络,行星齿轮箱,齿轮箱故障诊断,振动信号,故障诊断方法,方法识别,识别精度,局部切空间排列,Lo,cal,Tangent,Space,Alignment,Deep,Belief,Network,DBN,高维数据,行约,约简,测试集,训练集,集训,故障辨识,辨识模型,集输,模型实现,数据降维,智能诊断模型,分类精度,状态辨识
AB值：
0.313025
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。
