典型文献
基于SPS与CNN的行星齿轮箱故障特征提取与诊断研究
文献摘要：
针对行星齿轮箱结构和运行工况复杂,导致信号故障特征提取困难的问题,通过分析行星轮系振动机理,初步推导出含故障齿轮箱振动信号频谱特征;运用谐波乘积谱(Harmonic product spectrum,HPS)与边带乘积谱(Sideband product spectrum,SPS)的方法,在噪声干扰以及故障冲击不明显的条件下,准确提取到了仿真信号的故障特征频率.进一步采集不同运行工况、不同故障状态下的行星齿轮箱振动信号,将提取后的故障特征输入到卷积神经网络中进行故障识别,成功获取到齿轮箱的故障信息,证明了该方法在行星齿轮箱故障诊断方面的可行性.
文献关键词：
行星轮系;故障特征提取;谐波乘积谱;边频乘积谱;卷积神经网络
中图分类号：
作者姓名：
郑攀;周建华;高素杰;陈奔;刘祥雄;巫世晶
作者机构：
武汉大学 动力与机械学院,湖北 武汉 430072;国能云南新能源有限公司,云南 昆明 650214
文献出处：
引用格式：
[1]郑攀;周建华;高素杰;陈奔;刘祥雄;巫世晶-.基于SPS与CNN的行星齿轮箱故障特征提取与诊断研究)[J].机械传动,2022(04):73-79,147
A类：
谐波乘积谱,乘积谱,边频乘积谱
B类：
SPS,行星齿轮箱,故障特征提取,诊断研究,运行工况,致信,行星轮系,振动机理,振动信号,信号频谱,频谱特征,Harmonic,product,spectrum,HPS,边带,Sideband,噪声干扰,取到,故障特征频率,故障状态,故障识别,故障信息,齿轮箱故障诊断
AB值：
0.234521
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
