文献类型：期刊文章

作　　者：刘世豪[1] 王细洋[2] 龚廷恺[2]

Liu Shihao;Wang Xiyang;Gong Tingkai(School of Aircraft Engineering,Nanchang Hangkong University,Nanchang 330063,China;School of Navigation,Nanchang Hangkong University,Nanchang 330063,China)

机构地区：[1]南昌航空大学飞行器工程学院,江西南昌330063 [2]南昌航空大学通航学院,江西南昌330063

出　　处：《机械传动》

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)。

年　　份：2023

卷　　号：47

期　　号：5

起止页码：134-142

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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  

分 类 号：TP18] TH132.41]