文献类型：期刊文章

作　　者：张立智[1] 徐卫晓[1] 井陆阳[1] 谭继文[1]

ZHANG LiZhi;XU WeiXiao;JING LuYang;TAN JiWen(Mechanical and Automotive Engineering,Qingdao University of Technological,Qingdao 266520,China)

机构地区：[1]青岛理工大学机械与汽车工程学院,青岛266520

出　　处：《机械强度》

基　　金：国家自然科学基金项目(51475249);山东省重点研发计划项目(2018GGX103016);山东省高等学校科技计划项目(J15LB10)资助。

年　　份：2020

卷　　号：42

期　　号：5

起止页码：1039-1044

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对旋转机械振动信号复杂且难以提取有效故障特征的问题,提出了一种短时傅里叶变换和二维深度卷积网络相结合的故障诊断方法。首先对旋转机械振动信号进行短时傅里叶变换,得到时频图;接着将时频图输入到二维深度卷积网络中进行识别,得到最终分类结果。将该方法分别应用于滚动轴承与齿轮箱故障诊断中,在凯斯西储大学滚动轴承数据集、PHM2009直齿齿轮箱数据集上均取得了较好效果,正确率优于将时域信号直接输入到经典CNN中,验证了该方法的优越性。

关 键 词：滚动轴承 齿轮箱 故障诊断 深度卷积网络  短时傅里叶变换

分 类 号：TH16]