论文摘要
机械故障诊断领域已进入了"大数据"时代,且深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。然而这些研究均运用在单标签体系下,诊断单一目标故障。在大数据背景下,单标签体系不仅割裂了机械装备不同目标故障之间的联系,也难以完整描述装备故障位置、类型、程度等种类繁多的健康状态信息。提出了一种基于多任务深度学习模型的诊断方法,对齿轮箱的轴承及齿轮这两种目标的故障同时进行诊断。其优势在于通过单独的任务层,能够从同一信号中自适应的提取不同目标的特征,并进行诊断。实验结果表明,该方法实现了在多种工况,大量样本下对齿轮箱内轴承和齿轮不同故障的准确诊断。
论文目录
文章来源
类型: 期刊论文
作者: 赵晓平,吴家新,钱承山,张永宏,王丽华
关键词: 机械故障诊断,多任务深度学习,轴承,齿轮
来源: 振动与冲击 2019年23期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 机械工业,自动化技术
单位: 南京信息工程大学计算机与软件学院,南京信息工程大学信息与控制学院
基金: 国家自然科学基金(51505234,51575283,51405241)
分类号: TP18;TP277;TH132.41
DOI: 10.13465/j.cnki.jvs.2019.23.038
页码: 271-278
总页数: 8
文件大小: 1919K
下载量: 431