典型文献
基于1DCNN的齿轮箱小样本故障诊断
文献摘要：
齿轮箱故障诊断对于降低运维成本和提高设备运转效率至关重要.首先,提出了一种基于小样本数据的一维卷积神经网络(1DCNN)端到端故障诊断方法;针对小样本故障诊断,采用LeNet-5结构增加卷积层数量,增大特征提取能力;其次,通过动力传动故障诊断综合实验台(DDS)数据验证;最后,引入t-SNE技术,对部分层输出进行了可视化,进一步验证了模型的有效性.此外,通过不同参数组合验证了模型所设参数的合理性,实验结果表明,所提方法与传统LeNet-5和基于EE-MD和VMD特征提取方法的SVM分类器对比,在分类准确率上分别有7.5％、11.25％和5％的提升,证明了所提方法的有效性.
文献关键词：
1DCNN;小样本;齿轮箱;端到端;故障诊断
中图分类号：
作者姓名：
钟建华;林云树;叶锦华
作者机构：
福州大学机械工程及自动化学院,福州 350108
文献出处：
引用格式：
[1]钟建华;林云树;叶锦华-.基于1DCNN的齿轮箱小样本故障诊断)[J].组合机床与自动化加工技术,2022(07):81-84,89
A类：
B类：
1DCNN,齿轮箱故障诊断,运维成本,小样本数据,一维卷积神经网络,端到端,故障诊断方法,LeNet,加卷,卷积层,层数,特征提取能力,动力传动,综合实验,实验台,DDS,数据验证,SNE,出进,同参数,数组,EE,VMD,分类器,分类准确率
AB值：
0.37747
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。
