针对浅层机器学习方法应用于齿轮箱故障诊断故障识别率低的问题，提出一种基于短时傅里叶变换和卷积神经网络的齿轮箱智能故障诊断方法。对齿轮的振动信号进行短时傅里叶变换得到时频图并输入到CNN故障诊断模型，根据模型输出的结果给出齿轮箱的故障状态，从而实现齿轮箱的故障诊断。在齿轮箱动力学模拟实验台采集多种不同故障齿轮的振动信号进行实验验证。实验结果表明：该方法能有效识别齿轮的故障状态，故障诊断准确率能够达到100%。
科研之友
微信
新浪微博
Facebook
分享链接
