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：
基于参数优化VMD与宽卷积神经网络的齿轮箱故障诊断 被引量：2
1
作者 万佳诚 曾宪文 李靖超 《电子测量技术》 北大核心 2025年第10期25-32,共8页
针对齿轮箱故障诊断中因噪声干扰等因素导致的诊断效果不佳问题,提出一种基于改进的黑翅鸢优化算法(GBKA)优化变分模态分解(VMD)和宽卷积神经网络(WDCNN)的故障诊断方法。首先,针对黑翅鸢算法(BKA)易陷入局部最优和过早收敛的缺陷,引入... 针对齿轮箱故障诊断中因噪声干扰等因素导致的诊断效果不佳问题,提出一种基于改进的黑翅鸢优化算法(GBKA)优化变分模态分解(VMD)和宽卷积神经网络(WDCNN)的故障诊断方法。首先,针对黑翅鸢算法(BKA)易陷入局部最优和过早收敛的缺陷,引入遗传算法的基因交叉重组与变异操作对BKA进行改进;其次,利用改进后的GBKA对VMD参数寻优,通过相关系数筛选模态分量并重构信号;最后,将重构信号输入WDCNN模型,实现故障分类。结果表明,在测试函数上,GBKA相比BKA具有更优的寻优性能;在两种工况下,该方法的平均故障分类准确率分别达到99.645%和99.978%,优于其他对比方法,并且在噪声实验中受到噪声的影响较小,验证了所提模型的有效性和稳定性,为齿轮箱故障诊断提供了一种可靠的解决方案。 展开更多
关键词 行星齿轮 故障诊断 宽卷积神经网络 VMD gbka算法
原文传递
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