典型文献
基于多方向振动数据的风机齿轮箱故障智能诊断
文献摘要：
风机齿轮箱作为风机的关键传递结构,针对其关键部件的故障诊断,提出了一种基于极点对称模态分解算法(ESMD)、Mobi|eNet V2神经网络和D-S证据理论的诊断方法.首先将3个方向的复杂的故障信号进行ESMD分解与重构,将3个方向重构后的信号输入到Mobi|eNet V2网络中进行训练,最后利用D-S证据理论进行融合计算并得到最终的预测结果.使用某公司搭建的风机齿轮箱实验平台数据,最终通过实验表明,文中所提出的诊断方法有效,在准确率可以接受的前提下,极大地减少了运算的时间,实现了轻量化.
文献关键词：
风机齿轮箱;ESMD;Mobi:eNet V2神经网络;D-S理论;故障诊断
中图分类号：
作者姓名：
孟繁晔;高翼飞;陈长征
作者机构：
沈阳工业大学机械工程学院,沈阳110870;辽宁省振动噪声控制工程技术研究中心,沈阳110870
文献出处：
引用格式：
[1]孟繁晔;高翼飞;陈长征-.基于多方向振动数据的风机齿轮箱故障智能诊断)[J].机械工程师,2022(11):66-70,73
A类：
eNet
B类：
多方向,风机齿轮箱,故障智能诊断,关键部件,极点对称模态分解,ESMD,Mobi,V2,证据理论,故障信号,分解与重构,融合计算,某公司,实验平台,平台数据
AB值：
0.258808
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。
