科研之友
微信
新浪微博
Facebook
分享链接
摘要
微电机是一种重要的动力驱动元件，其诊断过程并不复杂，且人工听音是比较低效且片面的诊断结果，投入大量的人工对其进行分类是不合理的。因此，为了提高微电机的诊断效率和实用性，本文提出了一种微电机诊断方法。首先，使用自适应局部迭代滤波方法来降低噪声，然后用格拉姆角场将特征提取后的声音信号转换为图像，将转换后的图像应用深度卷积神经网络（DCNN）模型进行了分类研究。本文介绍了微电机声音信号实验采集装置，并对采集的数据应用所提出的方法进行故障诊断分类，结果表明，该方法比其他方法具有更高的分类精度，达到了94.1%的准确率。
- 单位
