典型文献
基于双向长短时记忆网络的牵引机齿轮泵故障诊断
文献摘要：
为了提高电梯牵引机齿轮泵的典型故障诊断精度,提出一种基于经验模态分解(EEMD)和双向长短时记忆网络(BLSTM)的行星齿轮泵故障诊断方法.总共设置4种行星齿轮故障类型,综合验证检测性能.通过EEMD方法完成信号分解,对网络实施训练来提升故障类型的分辨精度.研究结果表明:本故障诊断网络模型损失<1％,具有良好稳定性.断齿、正常齿的轮识别率都达到了93％以上,齿根裂纹故障识别率达到了87.2％,可以实现精确识别齿面故障.经过EEMD处理的网络稳定性与精度显著提升.到达后期迭代阶段时,BLSTM网络拟合速度开始变快,精度也获得提升.
文献关键词：
齿轮泵;故障诊断;经验模态分解;双向长短时记忆网络;分类精度
中图分类号：
作者姓名：
王长华;蒋云刚;李保;吴珂;朱凯
作者机构：
浙江省机电设计研究院有限公司,浙江 杭州310051;浙江大学 平衡建筑研究中心,浙江 杭州310007;杭州运河集团建设管理有限公司,浙江 杭州310000;中国计量大学 质量与安全工程学院,浙江 杭州310018
文献出处：
引用格式：
[1]王长华;蒋云刚;李保;吴珂;朱凯-.基于双向长短时记忆网络的牵引机齿轮泵故障诊断)[J].机械制造与自动化,2022(03):57-60
A类：
B类：
双向长短时记忆网络,牵引机,齿轮泵,电梯,典型故障,故障诊断精度,基于经验,经验模态分解,EEMD,BLSTM,行星齿轮,故障诊断方法,总共,齿轮故障,故障类型,检测性能,信号分解,施训,断网,断齿,齿根裂纹,裂纹故障,故障识别率,精确识别,齿面,网络稳定性,合速度,变快,分类精度
AB值：
0.352056
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。
