典型文献
基于短时傅里叶变换和深度卷积神经网络的直升机齿轮箱故障诊断方法
文献摘要：
齿轮箱作为直升机重要的传动机构,其运转的可靠性对保障直升机系统安全具有重要的作用.针对传统信号处理需要大量专家经验来识别故障类型的不便性和复杂性,为了实现直升机齿轮箱故障诊断,本研究提出一种基于短时傅里叶变换和深度卷积神经网络的故障诊断方法.首先,将采集到的直升机齿轮箱振动信号利用短时傅里叶变换绘制时频图,以提取振动信号的时频特征;然后,利用深度卷积神经网络学习的前向传播和反向传播对不同故障类别的故障时频图进行训练,以建立不同类别与特征之间的深层联系;最后,训练好的模型可以完成对齿轮箱的故障诊断.结果表明,所提方法能够准确地识别齿轮箱的不同故障类型,准确率超过99％.
文献关键词：
齿轮箱;故障诊断;短时傅里叶变换;卷积神经网络
中图分类号：
作者姓名：
朱沁玥;何海昊;李锋;李泽东;李志农;谷士鹏;程娟
作者机构：
无损检测技术教育部重点实验室(南昌航空大学),南昌 330063;中国飞行试验研究院,西安 710089
文献出处：
引用格式：
[1]朱沁玥;何海昊;李锋;李泽东;李志农;谷士鹏;程娟-.基于短时傅里叶变换和深度卷积神经网络的直升机齿轮箱故障诊断方法)[J].失效分析与预防,2022(01):1-8
A类：
B类：
短时傅里叶变换,深度卷积神经网络,直升机,齿轮箱故障诊断,故障诊断方法,传动机构,机系统,系统安全,信号处理,专家经验,故障类型,振动信号,时频图,时频特征,神经网络学习,反向传播,练好
AB值：
0.175052
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。
