科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种基于连续小波变换(CWT)和坐标注意机制残差网络(CooAtten-Resnet)的弧齿锥齿轮箱智能故障诊断方法。首先将振动信号重叠采样获得大量信号样本，将这些样本通过连续小波变换将振动信号转化为时频图，并以此构建不同故障下的时频数据集，同时通过人为添加噪声样本以验证噪声对此类诊断方法的影响；然后将时频图数据集用于CooAtten-Resnet训练；最后对故障进行分类并输出诊断结果。结果表明，该方法可以准确的识别弧齿锥齿轮箱故障，无人为添加噪声的情况诊断准确率可达100%,添加噪声后在无降噪处理的情况下准确率仍在93%以上。相较于其他方法，该方法的准确率更高，抗噪能力更强，网络收敛速度更快，诊断结果更稳定。
- 单位
