基于小波阈值和1DCNN-SNN的齿轮故障诊断研究  

在线阅读下载全文

作  者:耿照林 朱玮[1] 王应秀 杨思行 周荣荣 

机构地区:[1]长安大学电子与控制工程学院,陕西西安710064

出  处:《物联网技术》2025年第8期99-104,107,共7页Internet of things technologies

基  金:国家自然科学基金(61704010);陕西省自然科学基金(2023-JC-YB-554)。

摘  要:针对提高齿轮在少训练集条件下故障检测的准确率和在复杂噪声环境中的抗噪性能,提出一种基于小波阈值、一维卷积神经网络(1DCNN)和脉冲神经网络(SNN)进行齿轮故障诊断分类的设计方案。首先,将齿轮故障信号通过小波阈值去噪处理;然后,利用1DCNN从处理过后的信号中提取特征;最后,利用多层脉冲神经网络对去噪后的数据进行训练得到诊断分类结果。为了检验该方案的诊断效果,利用美国康涅狄格大学齿轮数据集进行验证,并与其他方法进行对比分析。实验结果表明,该方法在少训练集和加入噪声的条件下具有较好的识别准确率和抗噪性能。

关 键 词:齿轮故障 小波阈值 一维卷积神经网络 脉冲神经网络 诊断分类 抗噪性能 

分 类 号:TP391[自动化与计算机技术—计算机应用技术]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象