-
题名基于深度迁移学习的齿轮故障诊断方法
被引量：3
- 1
-
-
作者
刘世豪
王细洋
龚廷恺
-
机构
南昌航空大学飞行器工程学院
南昌航空大学通航学院
-
出处
《机械传动》
北大核心
2023年第5期134-142,共9页
-
基金
国家自然科学基金项目(51465040)
南昌航空大学研究生创新专项资金项目(YC2021-059)。
-
文摘
针对齿轮故障样本欠缺问题,提出一种基于Hilbert-Huang谱和预训练VGG16模型的迁移学习故障诊断方法。对振动信号进行经验模态分解(Empirical Mode Decomposition,EMD)得到本征模态函数(Intrinsic Mode Function,IMF),同时取相关系数最大的IMF做Hilbert变换,获取时频谱;利用预训练VGG16提取变负载下和各健康状态下齿轮的Hilbert-Huang谱图像特征;采用全局均值池化层取代VGG16模型部分全连接层,进行分类输出。实验结果表明,在少量的样本数据下,该方法的齿轮故障诊断准确率达到98.86%,优于TLCNN和Tran VGG-19等迁移学习方法,证明了该方法在齿轮故障诊断中具有一定研究价值。
-
关键词
迁移学习
VGG16模型
Hilbert-Huang谱
齿轮故障诊断
全局均值池化
-
Keywords
Transfer learning
VGG16
Hilbert-Huang spectrum
Gear fault diagnosis
global aver⁃age pooling
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TH132.41
[自动化与计算机技术—控制科学与工程]
-
