Indexed by：
Abstract：
齿轮箱故障诊断对于降低运维成本和提高设备运转效率至关重要.首先,提出了一种基于小样本数据的一维卷积神经网络(1DCNN)端到端故障诊断方法;针对小样本故障诊断,采用LeNet-5结构增加卷积层数量,增大特征提取能力;其次,通过动力传动故障诊断综合实验台(DDS)数据验证;最后,引入t-SNE技术,对部分层输出进行了可视化,进一步验证了模型的有效性.此外,通过不同参数组合验证了模型所设参数的合理性,实验结果表明,所提方法与传统LeNet-5和基于EE-MD和VMD特征提取方法的SVM分类器对比,在分类准确率上分别有7.5％、11.25％和5％的提升,证明了所提方法的有效性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
组合机床与自动化加工技术
ISSN： 1001-2265
Year： 2022
Issue： 7
Page： 81-84,89
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
