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
[68]提取不同工况下行星齿轮箱振动信号的时域及频域特征,构造多特征数据集,利用多核BDA-SVM故障诊断方法实现了小样本训练条件下的不同工况间迁移诊断。从上述分析可知,迁移学习在旋转机械故障小样本故障诊断中常应用于以下两种情况:(1)工况之间的迁移,即对于同一研究对象,通过某一工况下的样本学习到的有关先验知识迁移到需要诊断的小样本所处的工况下实现小样本故障诊断;(2)相似研究对象之间的迁移,这类迁移通常需要源域与目标域研究对象相似度极高,这种情况下使用基于模型的迁移方法效果是极佳的。这两种迁移都要求目标域所有故障类型在源域中存在,且源域中的样本量能做到让机器学习做到高质量的诊断。目前,迁移学习方法故障模式之间的迁移以及研究对象差异较大之间的迁移在先验知识较少的情况下仍然具有一定难度。由上述分析可知,研究人员从多个角度研究了在实际过程故障样本量小的问题,但是仍然存在一定问题。多数情况下是从样本增强的角度入手来解决这一问题,现有算法需要对研究对象本身、原始样本量都有一定要求,当某一类故障样本量极小时,很多算法都是失效的。因此,利用现今流行的小样本学习方法解决小样本条件下故障诊断值得深入研究。参考文献雷亚国,何正嘉,林京,韩冬,孔德同.行星齿轮箱故障诊断技术的研究进展[J].机械工程学报,2011,47(19):59-67.年夫顺.关于故障预测与健康管理技术的几点认识[J].仪器仪表学报,2018,39(8):1-14.孙灿飞,王友仁.直升机行星传动轮系故障诊断研究进展[J]航空学报,2017,38(7):1-14NingX,SelesnickIW,DuvalL.Chromatogrambaselineestimationanddenoisingusingsparsity(BEADS).Chemometrics&IntelligentLaboratorySystems[J],2014,139(139):156-167.冯志鹏,褚福磊.行星齿轮箱齿轮分布式故障振动频谱特征[J].中国电机工程学报,2013,33(02):118-125+21.雷亚国,贾峰,孔德同等.大数据下机械智能故障诊断的机遇与挑战[J].机械工程学报,2018,54(5):1-11.刘若晨,左洪福,孙见忠,等.车辆齿轮箱静电监测[J].交通运输工程学报,2015,15(1):50-57.JingL,WangT,ZhaoM,etal.Anadaptivemulti-sensordatafusionmethodbasedondeepconvolutionalneuralnetworksforfaultdiagnosisofplanetarygearbox[J].Sensors,2017,17(2):414.KhazaeeM,AhmadiH,OmidM.ClassifierfusionofvibrationandacousticsignalsforfaultdiagnosisandclassificationofplanetarygearsbasedonDempster-Shaferevidencetheory[J].ProcessMechanicalEngineering.2014,228(1):21-32.LiY,WangX,SiS,etal.Anewintelligentfaultdiagnosismethodofrotatingmachineryundervarying-speedconditionsusinginfraredthermography[J].Complexity,2019,2019.谷玉海.大型风电机组齿轮箱早期故障诊断技术与系统研究[D].机械科学研究总院,2016.HenriquezP,AlonsoJB,FerrerMA,etal.ReviewofAutomaticFaultDiagnosisSystemsUsingAudioandVibrationSignals[J].IEEETransactionsonSystemsManandCyberneticsSystems,2014,44(5):642-652.胥永刚,马海龙,付胜,等.机电设备早期故障微弱信号的非线性检测方法及工程应用[J].振动工程学报,2011,24(5):529-538.王聪.基于稀疏表达的机械信号处理方法及其在滚动轴承故障诊新中的应用研究[博士学位论文].合肥:中国科学技术大学,2017.HaJM,YounBD,OhH,etal.Autocorrelation-basedtimesynchronousaveragingforconditionmonitoringofplanetarygearboxesinwindturbines[J].MechanicalSystemsandSignalProcessing,2016,70:161-175.HeGL,DingK,LiWH,etal.Anovelordertrackingmethodforwindturbineplanetarygearboxvibrationanalysisbasedondiscretespectrumcorrectiontechnique[J].RenewableEnergy,2016,87:364375.王天杨,李建勇,程卫东.基于瞬时故障特征频率趋势线和故障特征阶比模板的变转速滚动轴承故障诊断[J].振动工程学报,2015,28(06):1006-1014.周小龙,刘薇娜,姜振海,马风雷.改进的HHT方法及其在旋转机械故障诊断中的应用[J].振动与冲击,2020,39(07):189-195.LiuR,YangB,ZhangX,etal.Time-frequencyatoms-drivensupportvectormachinemethodforbearingsincipientfaultdiagnosis[J].MechanicalSystems&SignalProcessing,2016,75:345-370.刘秀丽,徐小力,吴国新,张雪英.基于变分模态分解的故障弱信息提取方法[J].华中科技大学学报(自然科学版),2020,48(07):117-121.李肖,冯志鹏.基于变分模式分解的行星齿轮箱齿轮组合故障频率解调分析[J].振动与冲击,2020,39(3):38-45.姚金宝.复杂工况下旋转机械故障特征提取方法研究[博士学位论文].重庆:重庆大学,2017.LuL,HeY,RuanY,etal.WindTurbinePlanetaryGearboxConditionMonitoringMethodBasedonWirelessSensorandDeepLearningApproach[J].IEEETransactionsonInstrumentationandMeasurement,2020,70:1-16.时培明,梁凯,赵娜,等.基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断[J].中国机械工程,2017,28(09):1056-1061.JingLY,ZhaoM,LiP,etal.Aconvolutionalneuralnetworkbasedfeaturelearningandfaultdiagnosismethodfortheconditionmonitoringofgearbox[J].Measurement,2017,111:1-10.ZhangY,ZhouT,HuangX,etal.Faultdiagnosisofrotatingmachinerybasedonrecurrentneuralnetworks[J].Measurement,2021,171:108774.PanJ,ZiYY,ChenJL,etal.LiftingNet:ANovelDeepLearningNetworkwithLayerwiseFeatureLearningfromNoisyMechanicalDataforFaultClassification[J].IEEETransactionsonIndustrialElectronics,2018,65(06):49734982.WangC,SunH,ZhaoR,etal.ResearchonBearingFaultDiagnosisMethodBasedonanAdaptiveAnti-NoiseNetworkunderLongTimeSeries[J].Sensors,2020,20(24):7031.WangY,NingD,FengS.Anovelcapsulenetworkbasedonwideconvolutionandmulti-scaleconvolutionforfaultdiagnosis[J].AppliedSciences,2020,10(10):3659.吴静然,丁恩杰,崔冉,刘建华.采用多尺度注意力机制的旋转机械故障诊断方法[J].西安交通大学学报,2020,54(02):51-58.JinG,ZhuT,AkramMW,etal.Anadaptiveanti-noiseneuralnetworkforbearingfaultdiagnosisundernoiseandvaryingloadconditions[J].IEEEAccess,2020,8:74793-74807.JhaRK,SwamiPD.Intelligentfaultdiagnosisofrollingbearingandgearsystemunderfluctuatingloadconditionsusingimageprocessingtechnique[J].JournalofMechanicalScienceandTechnology,2020,34(10):4107-4115.LipinskiP,BrzychczyE,ZimrozR.DecisionTree-BasedClassificationforPlanetaryGearboxes'ConditionMonitoringwiththeUseofVibrationDatainMultidimensionalSymptomSpace[J].Sensors,2020,20(21):5979.QiaoMY,TangXX,LiuYX,etal.Faultdiagnosismethodofrollingbearingsbasedon
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
- 青岛市2027年高三第二次联考高考物理试卷(含答案解析)
- 2026-2027学年四川省绵阳市高三适应性调研考试高考物理试题(含答案解析)
- 小镇青年返乡创业:智慧养老平台下沉市场的机遇与挑战
- 十五五规划前瞻:智能家居安防的国家战略与安全底座
- 深度复盘智能网联汽车网络安全:2026年渗透率与融资趋势
- 十五五银发经济机遇:智能备餐进度屏适老化交互设计研究
- 双碳约束下智能按摩锤:绿色材料应用能否成为家电巨头第二曲线
- 2026年商务礼品市场调研报告:行业礼品定制化创新与市场前景
- 2026年环保产业小微门店绿色技术发展与政策解读报告
- 2026年人工智能行业应用报告及市场潜力分析
- 2027年天津农商银行校园招聘笔试备考试题及答案解析
- 康复医学科常见功能障碍康复指南(2026版)
- 2026-2030训练健身器材市场盈利模式及经营管理风险分析研究报告
- 2026年湖北省荆州市公安招聘辅警考试题库含答案
- 安徽建工集团管理制度
- 图形的位似课时1(课件)2026-2027学年北师大版九年级数学上册
- 2026年制鞋业智能化生产转型案例分析:技术赋能与产业升级
- YDT 5102-2024 通信线路工程技术规范
- 银行员工禁止性行为课件
- 第3章-民族医药基础知识
- 除痛病历管理制度
评论
0/150
提交评论