科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对齿轮设备运维过程中故障信号较少的情况，提出了一种将离散小波变换（DWT）与二维卷积神经网络（2D-CNN）相结合的故障识别方法。该方法通过将少量信号经卷积神经网络得到的分类标签与信号的小波能量进行权值分配，实现齿轮的故障识别。为了充分获取小样本中的信息来训练神经网络，利用了离散小波分解、图像变换和马尔可夫变迁场方法对样本信号进行增量和转换。通过对齿轮箱数据集的验证，得到了96%的训练准确率和87.5%的分类准确率，并进行了消融实验和对比实验证明了该方法可以有效克服小样本数据中的噪声干扰，使数据得到增强，在齿轮故障识别中具有很好的现实意义。
- 单位
