【摘 要】
：
针对以数据驱动的齿轮箱故障诊断过程中存在特征提取复杂、分类器对特征存在较强的依赖性等问题,提出了一种基于卷积神经网络(CNN)和支持向量机(SVM)相结合的齿轮箱故障诊断
【机 构】
：
贵州大学现代制造技术教育重点实验室,贵州大学机械工程学院,贵州大学公共大数据国家重点实验室
【基金项目】
：
贵州省公共大数据重点实验室开放基金资助项目(2017BDKFJJ019),贵州大学引进人才基金资助项目(贵大人基合字(2016)13号),贵州省留学回国人员科技活动择优资助项目-优秀类项目(2018.0002)
论文部分内容阅读
针对以数据驱动的齿轮箱故障诊断过程中存在特征提取复杂、分类器对特征存在较强的依赖性等问题,提出了一种基于卷积神经网络(CNN)和支持向量机(SVM)相结合的齿轮箱故障诊断模型。该诊断模型以多传感器采集的原始振动信号作为模型的输入,通过卷积神经网络完成特征的自适应提取,然后在特征级上将各传感器的特征进行融合,最后将融合特征输入到支持向量机进行故障的分类。经过实验证明,该模型直接以原始信号进行故障诊断的准确率能达到96.3%,且提取的特征在经过融合过后有很高的区分度;相比于基于特征工程的特征提取方法,基于特征
其他文献
依据所进行的有关计量分析，在研究我国经济总量波动的区域特征以及区域经济波动的关联性问题时，不难得出如下几个方面的基本结论：区域间经济波动的内在关联性增强，但同步性却是减
香鱼(Plecoglossus altivelis)分布于我国通海河溪以及日本与朝鲜半岛,其肉质细嫩,清香独特,自古被视为水中珍品。香鱼为洄游性一年生鱼类,海水育苗,淡水中养殖,目前国内香鱼
针对紧固螺栓松动导致汽缸泄漏的问题,以提高项目型产品的装配质量为目标,首先建立汽缸选配优化整体模型。其次依据该模型,采集装配过程中的尺寸参数等质量数据,确保质量数据