基于DBNs的齿轮传动系统故障诊断的研究

摘要

针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法.首先利用深度置信网络(Deep Belief Networks,DBNs)网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后再通过DBNs的复杂映射表征能力对故障信号进行故障判别.通过诊断实例表明,如果不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,正确识别率只能达到60％左右;如果对时域信号进行简单的傅里叶变换后,再利用DBNs对处理后的振动信号频谱进行诊断分析,正确率能达到99.7％,证实了所述故障诊断方法的简易性和有效性.