-
-
公开(公告)号:CN117235668A
公开(公告)日:2023-12-15
申请号:CN202311238628.0
申请日:2023-09-22
Applicant: 东南大学
IPC: G06F18/25 , G06F18/241 , G06F18/211 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/08 , G01M13/021
Abstract: 本发明公开了一种基于CNN模型融合的重载齿轮箱故障诊断方法及系统,该方法包括:采集重载齿轮箱的声信号形成训练数据集;提取GFCC特征组成特征集,并输入至一维卷积神经网络模型中训练,输出识别结果集;对声信号叠加声信号频谱得到声谱图,输入至二维卷积神经网络模型训练,输出识别结果集;融合两个模型的识别结果,得到融合CNN模型;获取故障声信号,对故障声信号进行对应特征提取和声谱图构建,将特征集和声谱图分别输入至融合卷积神经网络模型中,得到故障识别结果,获得重载齿轮箱故障诊断信息。本方案能够更精确地检测重载齿轮箱故障。
-