LTSA和深度置信网络的行星齿轮箱故障诊断

作者：王建国; 刘冀韬

来源：机械设计与制造, 2022, (01): 5-8.

DOI：10.19356/j.cnki.1001-3997.20211116.024

• 行星齿轮箱
• 深度置信网络
• 局部切空间排列
• 状态辨识
• 故障诊断

针对行星齿轮箱振动信号维度高,传统故障诊断方法识别精度低的问题,提出一种基于局部切空间排列算法(Local Tangent Space Alignment,LTSA)和深度置信网络(Deep Belief Network,DBN)的行星齿轮箱故障诊断方法。首先,利用PCA算法预估高维数据的内在维度,确定目标数据的内在维数;其次,根据目标数据的内在维数结合LTSA算法对高维数据集进行约简,并划分测试集和训练集;最后,利用训练集训练DBN模型参数,获得行星齿轮箱故障辨识模型,并将测试集输入辨识模型实现行星齿轮箱故障辨识。实验结果表明,所提方法实现高维数据降维的同时,也提升了智能诊断模型的分类精度。

• 单位
  内蒙古科技大学