【《基于卷积神经网络的噪声环境下行星齿轮箱故障诊断研究》11000字(论文)】_第1页
【《基于卷积神经网络的噪声环境下行星齿轮箱故障诊断研究》11000字(论文)】_第2页
【《基于卷积神经网络的噪声环境下行星齿轮箱故障诊断研究》11000字(论文)】_第3页
【《基于卷积神经网络的噪声环境下行星齿轮箱故障诊断研究》11000字(论文)】_第4页
【《基于卷积神经网络的噪声环境下行星齿轮箱故障诊断研究》11000字(论文)】_第5页
已阅读5页,还剩18页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于卷积神经网络的噪声环境下行星齿轮箱故障诊断研究目录TOC\o"1-3"\h\u194171.1引言 图1.17所示为利用F-measure指标评价所使用的CNN、SDAE、SDAE在七种不同健康状态模式下的分类性能。可以看到,WCNN方法除了在行星轮磨损F值为0.9479,其余都在0.95以上;而SDAE、MLP方法的F值波动相对较大,对于正常模式以及行星轮裂纹较为敏感,而对于磨损这类故障则不易区分。同时,SDAE在所有模式下的F值基本维持在0.9左右,均高于MLP,表明SDAE方法有一定抗噪声能力。由此,从F-measure值的角度可见,WCNN方法性能稳定,有较强的抗噪声能力。从故障模式上看,三种方法在正常以及行星轮裂纹下的F值最高,行星轮磨损下的F值最低,说明行星轮磨损容易误分,而正常模式以及行星轮裂纹容易区分;相对而言断齿类的故障区分度也较高,这是因为断齿的能量较大,啮合冲击成分突出,故障特征明显,而对于磨损而言,虽然属于轻度故障,然而故障件在运行过程中磨损程度会不断加深,由于行星轮绕着太阳轮旋转,也带来了太阳轮的损伤,造成了误诊;对于故障部件而言,行星轮的故障会误分到太阳轮之中,太阳轮故障间也容易造成误

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论