基于Triplet Network的小样本轴承、齿轮故障诊断方法

基于Triplet Network的小样本轴承、齿轮故障诊断方法谢由生;张军

【期刊名称】《机电工程》

【年(卷),期】2022(39)8

【摘要】针对小样本条件下,深度神经网络在机械设备典型部件中(轴承、齿轮)故障诊断精度不高这一问题,提出了一种基于Triplet Network的机械设备典型部件(轴承、齿轮)故障诊断方法。首先,利用短时傅里叶变换,将原始时序信号转换为时频信号;然后,采用了基于Triplet Network搭建的模型,从时频信号中提取了同一故障和不同故障样本的特征,通过对比相同故障和不同故障样本特征的相似度,对模型参数进行了优化,达到了提取的同一故障样本特征相似度越来越高,不同故障样本特征相似度越来越低的效果;最后,通过比较未知样本与已知故障样本的特征相似度,实现了对机械设备典型部件(轴承、齿轮)的故障识别,并采用江南大学轴承故障数据集和康涅狄格大学齿轮故障数据集,对该故障诊断方法的有效性进行了实验验证。研究结果表明:基于Triplet Network的方法在每类训练样本只有5个的情况下,轴承故障识别率可以达到68%,齿轮故障识别率为96.8%,均优于传统的深度神经网络方法。

【总页数】7页(P1111-1117)

【作者】谢由生;张军

【作者单位】安徽理工大学人工智能学院

【正文语种】中文

【中图分类】TH133.33;TH132.41

【相关文献】

1.基于小波包变换与样本熵的滚动轴承故障诊断

2.基于IITD样本熵和支持向量机的齿轮故障诊断方法

3.基于小波分解和样本熵的GA-SVM齿轮箱故障诊断

4.基于Bagging-MCNN模型的不均衡样本轴承故障诊断方法

5.基于VAE-GAN和FLCNN的不均衡样本轴承故障诊断方法

因版权原因，仅展示原文概要，查看原文内容请购买