期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于优化VMD-NLM与1DDRSN的齿轮箱故障诊断方法
1
作者 万志国 赵伟 +1 位作者 王治国 窦益华 《机械传动》 北大核心 2025年第5期150-160,共11页
【目的】针对在噪声干扰情况下齿轮箱故障诊断准确率不佳的问题,基于优化变分模态分解(Variational Mode Decomposition,VMD)和非局部均值滤波(Non-Local Means,NLM)的去噪方法,与一维深度残差收缩网络(1Dimensional Deep Residual Shri... 【目的】针对在噪声干扰情况下齿轮箱故障诊断准确率不佳的问题,基于优化变分模态分解(Variational Mode Decomposition,VMD)和非局部均值滤波(Non-Local Means,NLM)的去噪方法,与一维深度残差收缩网络(1Dimensional Deep Residual Shrinkage Network,1DDRSN)相结合,构建了一种全新的齿轮箱故障诊断方法。【方法】首先,使用减法平均优化(Subtraction-Average-Based Opti-mizer,SABO)算法对VMD中的参数进行自动寻优;其次,使用样本熵筛选VMD后的各模态分量(Intrinsic Mode Function,IMF),对含有噪声的分量进行NLM去噪重构;再次,引入将注意力机制和软阈值化相结合的残差网络,建立1DDRSN模型;最后,将去噪重构的信号输入至1DDRSN进行故障诊断识别,并通过DDS试验台进行了验证。【结果】结果表明,去噪后的信号与原始信号相比,使故障准确率提升了3.16%,说明优化VMD-NLM具有较好的降噪效果;1DDRSN诊断准确率达到了99.33%,与卷积神经网络(Convolutional Neural Network,CNN)、ResNet相比,准确率分别提升了5.97%、1.17%,验证了该方法的可行性和诊断效果的准确性。 展开更多
关键词 变分模态分解 减法平均优化算法 非局部均值去噪 1ddrsn 故障诊断
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部