参数优化VMD与宽卷积神经网络在齿轮箱故障诊断中的应用.docx

参数优化VMD与宽卷积神经网络在齿轮箱故障诊断中的应用

目录

参数优化VMD与宽卷积神经网络在齿轮箱故障诊断中的应用（1）．．．3

内容描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1研究背景和意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.2文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.3研究目标和方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

参数优化VMD技术介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

2.1基本原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

2.2实现步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

宽卷积神经网络概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

3.1概念解析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

3.2结构特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

VMD与宽卷积神经网络结合的齿轮箱故障诊断模型构建．．．．．．．．15

4.1数据集准备．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

4.2特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

4.3模型训练．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

实验结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

5.1验证指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

5.2结果展示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

5.3效果评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

讨论与结论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

6.1关键发现．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

6.2局限性及未来研究方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

参数优化VMD与宽卷积神经网络在齿轮箱故障诊断中的应用（2）．．30

内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

1.1研究背景和意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

1.2文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

参数优化VMD方法介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

宽卷积神经网络介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

3.1卷积神经网络概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

3.2宽卷积神经网络结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

齿轮箱故障诊断问题分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

4.1齿轮箱常见故障类型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

4.2故障诊断需求．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

VMD与宽卷积神经网络结合的应用．．．．．．．．．．．．．．．．．．．．．．．．．．42

5.1结合方法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

5.2数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

实验设计与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

6.1实验数据来源．．．．．．．．．．．．．．．．．．．．．．．．．