【技术实现步骤摘要】
本专利技术属于机械装备状态监测与故障诊断，尤其涉及一种微调机制迁移学习的齿轮箱故障诊断方法。
技术介绍
1、在机械装备中齿轮箱广泛应用于风力发电机、高铁、航空发动机等工业应用场景。然而，由于在高强度环境中（如时变转速、可变载荷、润滑不良）长时间运行，齿轮表面经常会遇到疲劳磨损和点蚀等故障。此外，由于齿轮箱的密封结构和精密耦合，故障频率的提取也比较困难。因此，齿轮箱故障诊断是促进设备和操作人员安全运行，降低维修成本，避免事故造成损失的关键。
2、齿轮作为齿轮箱中的关键零部件，由于其长时间连续作业，会不可避免地出现点蚀、腐蚀、裂纹等典型故障，轻则导致生产停线，重则可能导致人员伤亡等重大安全事故，危及人民群众的生命财产安全。因此，齿轮箱齿轮的故障特征诊断对于保障设备能精准诊断、快速维修、恢复生产、可靠运行具有重要意义。
3、研究发现，当齿轮出现断齿，裂纹等异常状态时，运行过程的振动信号会在各类信号分析方法中表现出不同差异性；然而，传统的传感器故障诊断，极易被外界噪声与结构干扰分量污染，使得较弱故障特征频率提取困难或诊断
【技术保护点】
1.一种微调机制迁移学习的齿轮箱故障诊断方法，其特征在于，该齿轮箱故障诊断方法包括以下步骤：
2.根据权利要求1所述的微调机制迁移学习的齿轮箱故障诊断方法，其特征在于，在步骤1中，加载经过了时域平均方法TSA处理的输入轴齿轮箱故障数据集，齿轮箱故障数据集的第一级包括一个32齿和一个80齿的小齿轮，齿轮箱故障数据集的第二级包括一个48齿和一个64齿的小齿轮；齿轮箱故障数据集包含了9种齿轮箱运行状态，分别是健康、缺齿、磨损、裂纹、5类齿轮剥落、4类齿轮缺口、3类齿轮剥落、2类齿轮剥落、1类齿轮剥落。
3.根据权利要求2所述的微调机制迁移学习的齿轮箱...
【技术特征摘要】
1.一种微调机制迁移学习的齿轮箱故障诊断方法，其特征在于，该齿轮箱故障诊断方法包括以下步骤：
2.根据权利要求1所述的微调机制迁移学习的齿轮箱故障诊断方法，其特征在于，在步骤1中，加载经过了时域平均方法tsa处理的输入轴齿轮箱故障数据集，齿轮箱故障数据集的第一级包括一个32齿和一个80齿的小齿轮，齿轮箱故障数据集的第二级包括一个48齿和一个64齿的小齿轮；齿轮箱故障数据集包含了9种齿轮箱运行状态，分别是健康、缺齿、磨损、裂纹、5类齿轮剥落、4类齿轮缺口、3类齿轮剥落、2类齿轮剥落、1类齿轮剥落。
3.根据权利要求2所述的微调机制迁移学习的齿轮箱故障诊断方法，其特征在于，在步骤3中，自定义的浅层神经网络接收特征提取器的输出；自定义的浅层神经网络包括一个flatten层，flatten层用于展开来自提取器的高维特征，在flatten层之后，使用用于多分类任务的sigmoid激活函数的dense层作为输出层，所述dense层由包含256个神经元，并结合l2正则化和r...
【专利技术属性】
技术研发人员：李庆，孙强，张亚苹，储利影，唐燕宁，方梁菲，许良元，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。