《机电工程》杂志,浙江大学与浙江省机电集团联合主办。月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址浙江省杭州市大学路高官弄9号
电话Tel+86-571-87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于MEEMD-SDP图像特征和DRN的行星齿轮箱故障诊断

作者:陈友广,陈云,谢鲲鹏. 日期:2022-07-20/span> 浏览:276 查看PDF文档

基于MEEMD-SDP图像特征和DRN的
行星齿轮箱故障诊断*
陈友广1,陈云2,谢鲲鹏3

(1.苏州健雄职业技术学院,江苏 苏州 215411;2.重庆大学 机械传动国家重点实验室,
重庆 400030;3.重庆华数机器人有限公司,重庆 400714)


摘要:在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMDSDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明:SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。

关键词:齿轮传动;固有模态函数;改进的集总平均经验模态分解;对称点图案;图像特征;深度残差网络

中图分类号:TH132.425文献标识码:A文章编号:1001-4551(2022)05-0662-06



本文引用格式:

陈友广,陈云,谢鲲鹏.基于MEEMD-SDP图像特征和DRN的行星齿轮箱故障诊断[J].机电工程,2022,39(5):662-667.

CHEN You-guang, CHEN Yun, XIE Kun-peng. Planetary gearbox fault diagnosis based on MEEMD-SDP image features and DRN[J].Journal of Mechanical & Electrical Engineering, 2022,39(5):662-667.

友情链接

浙江机械信息网