典型文献
基于多传感器数据融合的齿轮箱故障诊断方法
文献摘要：
为了解决单通道单维度振动信号输入不能全面表达齿轮箱故障特征的问题,提出一种基于多传感器多通道数据融合的诊断模型,结合卷积神经网络应用于齿轮箱振动信号的特征学习和故障分类中.利用连续小波变换对多通道数据进行二维时频变换,得到二维时频图像;构建神经网络诊断模型,以多通道的时频图作为输入,实现多通道信号特征的故障分类.通过动力传动综合故障实验台采集到的多通道振动信号对所提方法进行验证,实验结果表明,所提方法的特征提取能力和故障诊断效果优于单维度信号输入的诊断方法,具有一定的应用价值.
文献关键词：
齿轮箱;故障诊断;多传感器数据融合;连续小波变换;卷积神经网络
中图分类号：
作者姓名：
夏晗铎;郝如江;程旺
作者机构：
石家庄铁道大学机械工程学院,河北石家庄050043
文献出处：
引用格式：
[1]夏晗铎;郝如江;程旺-.基于多传感器数据融合的齿轮箱故障诊断方法)[J].国防交通工程与技术,2022(03):26-29
A类：
B类：
多传感器数据融合,齿轮箱故障诊断,故障诊断方法,单通道,振动信号,故障特征,多通道数据融合,诊断模型,网络应用,特征学习,故障分类,连续小波变换,时频变换,二维时频图像,网络诊断,多通道信号,信号特征,动力传动,实验台,特征提取能力,诊断效果
AB值：
0.248361
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。
