文献类型：期刊文章

作　　者：关宏强[1]

Guan Hongqiang(Institute of Engineering Technology,Eastern Liaoning University,Dandong 118003,China)

机构地区：[1]辽东学院工程技术学院,辽宁丹东118003

出　　处：《煤矿机械》

年　　份：2020

卷　　号：41

期　　号：10

起止页码：165-167

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、ZGKJHX、核心刊

摘　　要：为提高采煤机截割部传动系统故障识别的精度,将采煤机截割部传动系统中齿轮振动信号作为研究方向,针对振动信号具有非线性、强耦合、关联性不强等特点,提出了一种多标签分类卷积神经网络故障识别模型。首先对卷积神经网络的全连接层进行改进,然后设计了多标签的分类器以便在识别故障类型的同时判断故障严重程度。仿真实验表明,该模型对传动系统典型故障以及故障严重程度有较好的识别能力,优于传统信号分析技术,可以实现对传动系统的故障智能识别和实时监测。

关 键 词：卷积神经网络 传动系统 故障识别

分 类 号：TD421.6]