典型文献
基于CEEMDAN自适应小波降噪与卷积神经网络的齿轮箱故障诊断研究
文献摘要：
噪声情况下精确地对齿轮箱进行故障诊断是齿轮箱故障诊断的难题.为了解决该难题,采取自适应小波对自适应噪声完全集合经验模态分解(CEEMDAN)分量进行分解降噪与重组,并提出卷积神经网络(CNN)结合Inception模块的一维卷积神经网络(BICNN)提取重构信号的基本数字特征,同时使用长短期记忆提取BICNN所提取到的特征之间的相关性特征,对齿轮箱进行故障诊断研究.诊断结果表明:所提出的方法具有较高的抗噪声能力,并且齿轮箱在受到-4dB噪声干扰的情况下,所提出的方法仍然可以获得99.63％的训练精度.
文献关键词：
自适应小波分解与重构;自适应噪声完全集合经验模态分解;卷积神经网络;长短期记忆;抗噪声能力;齿轮箱故障诊断
中图分类号：
作者姓名：
蔡超志;白金鑫;池耀磊;张仲杭
作者机构：
河北工程大学机械与装备工程学院,河北邯郸056038
文献出处：
引用格式：
[1]蔡超志;白金鑫;池耀磊;张仲杭-.基于CEEMDAN自适应小波降噪与卷积神经网络的齿轮箱故障诊断研究)[J].机床与液压,2022(24):171-180
A类：
自适应小波降噪,BICNN,自适应小波分解与重构
B类：
CEEMDAN,齿轮箱故障诊断,诊断研究,声情,取自,自适应噪声完全集合经验模态分解,Inception,一维卷积神经网络,重构信号,数字特征,长短期记忆,记忆提取,取到,诊断结果,抗噪声能力,4dB,噪声干扰
AB值：
0.174214
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。
