本文關(guān)鍵詞：基于不同工況下輔助數(shù)據(jù)集的齒輪箱故障診斷　出處：《振動(dòng)與沖擊》2017年10期 　論文類型：期刊論文

  更多相關(guān)文章： 齒輪箱 不同工況 輔助數(shù)據(jù)集 故障診斷 遷移成分分析

【摘要】：針對(duì)變工況下齒輪箱監(jiān)測數(shù)據(jù)重用性低,受復(fù)雜工況影響大和已訓(xùn)練模型經(jīng)常失效的問題,提出基于不同工況下輔助數(shù)據(jù)集的遷移成分分析方法用于設(shè)備故障診斷。遷移成分分析(Transfer Component Analysis,TCA)通過核函數(shù)將訓(xùn)練樣本與測試樣本映射到潛在空間,進(jìn)而減小訓(xùn)練樣本與測試樣本的分布差異性。重點(diǎn)對(duì)比分析訓(xùn)練數(shù)據(jù)中不同工況下輔助數(shù)據(jù)所占比例對(duì)遷移成分分析算法性能的影響,通過仿真分析和實(shí)驗(yàn)驗(yàn)證得出,遷移成分分析方法相比傳統(tǒng)機(jī)器學(xué)習(xí)算法,明顯地減小了訓(xùn)練樣本與測試樣本的分布差異,具有更高的監(jiān)測數(shù)據(jù)重用率與更高的診斷準(zhǔn)確率,有效提高了齒輪箱變工況故障診斷的準(zhǔn)確率和可靠性。
【作者單位】： 中國石油大學(xué)(北京)機(jī)械與儲(chǔ)運(yùn)工程學(xué)院;
【基金】：國家自然科學(xué)基金(51504274;51674277) 國家重點(diǎn)研發(fā)計(jì)劃(2016YFC0802103) 中國石油大學(xué)(北京)自然科學(xué)基金(2462014YJRC039;2462015YQ0403)
【分類號(hào)】：TH132.41
【正文快照】： 齒輪箱作為動(dòng)設(shè)備群中最為常見的傳動(dòng)部件,其內(nèi)部件如軸承、齒輪制造安裝精度高,經(jīng)常在重載高速等復(fù)雜工況下連續(xù)運(yùn)轉(zhuǎn),因此其故障率往往較高[1-3]。近年來,國內(nèi)外研究學(xué)者在齒輪箱信號(hào)特征提取與分析、基于人工智能的故障診斷技術(shù),以及故障預(yù)測模型等方面做了大量工作。然而,，

本文編號(hào)：1332102