文献知网节
  • 记笔记
摘要:风电机组行星齿轮箱振动信号是一种非平稳、非线性信号,传统故障检测方法对于此类信号处理能力有限。将卷积自动编码器引入风机故障检测领域,构建了一种一维卷积自动编码器网络结构。首先训练卷积自动编码器无监督的提取数据特征,得到行星轮不同健康状况的特征向量,再对特征向量求取平均值获得指标向量。通过监督学习获得最优闵可夫斯基指数,最后通过测试数据的特征向量和指标向量之间的闵式距离来判断故障类型,实现了行星齿轮不同健康状况数据的识别和分类。实验结果证明,该方法可以有效的提取行星齿轮箱故障特征并达到诊断故障的目的。
  • DOI:

    10.13335/j.1000-3673.pst.2017.2203

  • 专辑:

    理工C(机电航空交通水利建筑能源); 电子技术及信息科学

  • 专题:

    电力工业; 自动化技术

  • 分类号:

    TM315;TP18

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:342 页码:3805-3811 页数:7 大小:598K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者