基于ReliefF和DBN的齿轮箱故障模式识别方法研究

摘要

考虑到齿轮箱中齿轮和轴承等零部件振动信号故障特征难以提取,故障模式无法准确识别的问题,提出了一种将齿轮箱振动信号特征利用ReliefF算法进行降维,然后利用深度置信网络进行模式识别的分类方法.首先采用变分模态分解算法对齿轮箱振动信号进行预处理,将信号分解成多个包含故障特征的IMF分量;计算每个IMF分量的时域及能量熵特征,运用ReliefF算法选取其中的敏感特征以降低原始特征维度;将敏感特征向量输入到深度置信网络中,实现故障类型的模式识别.实验结果表明,使用降维后的特征向量比使用降维前的特征向量,识别准确率更高.