本文针对齿轮箱故障检测与诊断问题,运用信号处理和神经网络等相关知识,构建了小波变换模型、1D-CNN 模型进行齿轮箱工作状态的分析。综合运用 MATLAB 和 Python 等软件编程求解,通过模型参数调整使 1D-CNN 模型效果趋于最优,最终得到较为准确的诊断结果。对于输入神经网络的数据,进行训练集与测试集的划分以及归一化、编码分类标签等操作便于模型训练。
有问题欢迎私信沟通交流,共同学习!
参考文献
[1] 李鹏, 孔凡让, 何清波. 齿轮箱状态监测中的振动信号多标度分析[J]. 计算机工程, 2011, 37(14):242-244.
[2] 杨永灿, 刘韬, 柳小勤,等. 基于注意力机制的一维卷积神经网络行星齿轮箱故障诊断 [J]. 机械与电子, 2021, 39(10):6.
[3] 梁睿君, 冉文丰, 余传粮,等. 基于 CWT-CNN 的齿轮箱运行故障状态识别[J]. 航空动 力学报, 2021, 36(12):9.
[4] 吴春志, 江鹏程, 冯辅周,等. 基于一维卷积神经网络的齿轮箱故障诊断[J]. 振动与冲 击, 2018, 37(22):6.