航空科学基金资助项目(20200033116001);湖南省自然科学基金资助项目(2021JJ30267);湖南省教育厅优秀青年项目资助(21B0484)
针对弧齿锥齿轮损伤程度识别率低的问题,提出一种基于调制信号双谱和卷积神经网络的弧齿锥齿轮损伤程度识别方法.采集弧齿锥齿轮在正常、轻度损伤及中度损伤3种状态下的振动加速度信号,分别计算其调制信号双谱特征图,构建卷积神经网络,并将调制信号双谱特征图作为输入样本训练卷积神经网络.试验结果表明:本文方法可以有效地提高弧齿锥齿轮损伤程度的识别率,平均识别准确率达99.91%.
杨大炼*,雷家乐,蒋玲莉.基于MSB和CNN的弧齿锥齿轮损伤故障识别[J].湖南科技大学学报(自然科学版),2023,38(4):59-65