论文部分内容阅读
科学技术不断进步,机械系统越来越复杂化、自动化,齿轮作为机械设备中不可或缺的关键元件,在其运行过程中呈现出多种状态的变化,如何对其进行快速准确的故障识别成为目前的一个重要问题。齿轮传动系统由于结构复杂,工作环境恶劣,在使用过程中失效概率较高,有很多设备的故障都是由齿轮的失效所引发的,造成了极大的损失。因此,本文以齿轮箱为研究对象,从振动信号中提取能够表征运行状态的特征参数组成特征向量,并将其作为所建立深度卷积神经网络(DCNN)模型的输入信息对其故障进行识别。通过试验验证,深度卷积神经网络技术是一种