针对行星齿轮箱在实际工作中故障训练样本有限的问题，设计一种基于孪生卷积神经网络的故障诊断方法。采集行星齿轮箱多方向振动信号，使用卷积神经网络对多路振动信号进行特征提取，利用孪生网络架构对所提取特征样本进行距离度量，确定分类准则，完成故障诊断模型的训练。通过行星齿轮箱实验平台的数据实验，证明孪生卷积神经网络在故障训练样本有限的情况下相比传统方法具有更好的故障诊断性能。
科研之友
微信
新浪微博
Facebook
分享链接
