基于深度学习神经网络的齿轮箱故障识别研究

发布时间：2017-06-27 14:21

  本文关键词：基于深度学习神经网络的齿轮箱故障识别研究，由笔耕文化传播整理发布。

【摘要】：齿轮箱是机械设备中用于连接和传递动力的零部件,由于受到自身结构较为复杂,所工作环境较为恶劣等的因素,常常会发生一些故障性的问题。本研究采用深度学习方法进行齿轮箱的故障的人工智能识别模型建立和分析,并将深度学习预测结果与传统BP神经网络和支持向量机预测结果进行对比。实验分析结果表明,采用深度学下的方法其对齿轮箱的故障识别的准确率为93.3%,优于BP神经网络和支持向量机方法。可有效的应用于齿轮箱故障诊断。
【作者单位】： 东华大学计算机科学与技术学院;
【关键词】： 深度学习神经网络 齿轮箱 故障识别
【分类号】：TH132.41;TP183
【正文快照】： 0引言目前,齿轮箱已经广泛应用于现代工业设备中,成为了航空系统、汽车制造、电力系统以及金属切削机床等用于连接和传递动力的通用零部件,但是由于受到自身结构较为复杂,所工作环境较为恶劣等的因素,常常会发生一些故障性的问题,比如齿轮、轴承等齿轮箱内部的部件。一旦某个

【参考文献】

中国期刊全文数据库 前10条

1 马帅;沈韬;王瑞琦;赖华;余正涛;;基于深层信念网络的太赫兹光谱识别[J];光谱学与光谱分析;2015年12期

2 冯通;;基于深度学习的航空飞行器故障自助检测研究[J];计算机仿真;2015年11期

3 陈星沅;姜文博;张培楠;;深度学习和机器学习及模式识别的研究[J];科技资讯;2015年31期

4 王皓;周峰;;基于小波包和BP神经网络的风机齿轮箱故障诊断[J];噪声与振动控制;2015年02期

5 张春霞;姬楠楠;王冠伟;;受限波尔兹曼机[J];工程数学学报;2015年02期

6 姜倩盼;;无取样受限波尔兹曼机的图像重建研究[J];电子技术与软件工程;2013年19期

7 徐中路;李静;陈丹;李芳;;基于受限波尔兹曼机的GMAW管道打底焊的熔透预测方法[J];计算机应用与软件;2013年10期

8 孙志军;薛磊;许阳明;孙志勇;;基于多层编码器的SAR目标及阴影联合特征提取算法[J];雷达学报;2013年02期

9 刘晓娟;潘宏侠;;基于EMD分解和支持向量机的齿轮箱故障诊断与研究[J];柴油机设计与制造;2011年03期

10 张金敏;翟玉千;王思明;;小波分解和最小二乘支持向量机的风机齿轮箱故障诊断[J];传感器与微系统;2011年01期

【共引文献】

中国期刊全文数据库 前10条

1 吴国文;肖翱;;基于深度学习神经网络的齿轮箱故障识别研究[J];网络安全技术与应用;2016年12期

2 高鑫;欧阳宁;袁华;;基于快速去噪和深度信念网络的高光谱图像分类方法[J];桂林电子科技大学学报;2016年06期

3 欧阳宁;高鑫;袁华;;基于改进的扩散平滑和RBM的高光谱图像分类[J];电视技术;2016年10期

4 崔家旺;李春旺;;基于关联数据的知识发现技术述评[J];图书与情报;2016年05期

5 王宇红;狄克松;张姗;尚超;黄德先;;基于DBN-ELM的聚丙烯熔融指数的软测量[J];化工学报;2016年12期

6 高强;马艳梅;;深度信念网络(DBN)网络层次数量的研究及应用[J];科学技术与工程;2016年23期

7 许静;朱永利;;基于受限玻尔兹曼机的变压器故障分类[J];电力科学与工程;2016年07期

8 刘帅师;程曦;郭文燕;陈奇;;深度学习方法研究新进展[J];智能系统学报;2016年05期

9 杜康宁;邓云凯;王宇;李宁;;基于多层神经网络的中分辨SAR图像时间序列建筑区域提取[J];雷达学报;2016年04期

10 李家伟;;基于证据理论和支持向量机的风机故障智能诊断[J];吉林大学学报(理学版);2016年03期

【二级参考文献】

中国期刊全文数据库 前10条

1 郭丽丽;丁世飞;;深度学习研究进展[J];计算机科学;2015年05期

2 杨钊;陶大鹏;张树业;金连文;;大数据下的基于深度神经网的相似汉字识别[J];通信学报;2014年09期

3 杨俊安;王一;刘辉;李晋徽;陆俊;;深度学习理论及其在语音识别领域的应用[J];通信对抗;2014年03期

4 余永维;殷国富;殷鹰;杜柳青;;基于深度学习网络的射线图像缺陷识别方法[J];仪器仪表学报;2014年09期

5 徐婵;刘新;吴建;欧阳博宇;;基于BP神经网络的软件行为评估系统[J];计算机工程;2014年09期

6 Miao Lingjuan;Shi Jing;;Model-based robust estimation and fault detection for MEMS-INS/GPS integrated navigation systems[J];Chinese Journal of Aeronautics;2014年04期

7 高艳艳;张认成;杨建红;杨凯;;基于单传感器快速独立分量分析电弧故障检测的研究[J];电器与能效管理技术;2014年11期

8 王宪保;李洁;姚明海;何文秀;钱l勌，

本文编号：490146