《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于MCSA和Fisher-SAE的RV减速器故障特征提取研究

作者:张兹勤,王贵勇,刘韬. 日期:2022-09-22/span> 浏览:563 查看PDF文档

基于MCSA和Fisher-SAE的RV减速器
故障特征提取研究*
张兹勤1,王贵勇2,刘韬1*

(1.昆明理工大学 机电工程学院,云南 昆明 650500;2.内蒙古第一机械集团有限公司,内蒙古 包头 014000)


摘要:针对RV减速器实际监测中振动传感器的安装空间和信号采集容易受到限制和干扰等问题,提出了一种基于电机电流信号分析,稀疏自编码和Fisher准则相结合的RV减速器故障特征提取方法。首先,将采集的驱动电机电流数据转换到频域,研究了不同超参数对稀疏自编码的特征提取能力的影响,利用优化参数后的稀疏自编码对频域信号自动提取故障特征;然后,利用Fisher准则对提取的特征的判别能力进行了降序排名,取排名前n个特征,得到了最优故障特征集;最后,结合SoftMax分类层,实现了对RV减速器的故障诊断;搭建了RV减速器故障实验台,采集了电机电流数据,对基于FisherSAE的方法进行了验证,并将其与其他典型机器学习故障诊断方法进行了对比。研究结果表明:该方法能够从RV减速器电机电流信号中提取出故障特征,并选择最有效的故障特征集,解决了振动信号的局限性以及运用电流信号进行故障诊断难以提取有效特征的问题;相比于其他典型机器学习故障诊断方法,该方法的诊断准确率提高了10%~20%,具有更好的诊断效率和准确性。

关键词:齿轮减速器;故障诊断;故障特征提取;电机电流信号分析;稀疏自编码;Fisher准则;深度学习

中图分类号:TH132.46文献标识码:A文章编号:1001-4551(2022)07-0903-08



本文引用格式:

张兹勤,王贵勇,刘韬.基于MCSA和Fisher-SAE的RV减速器故障特征提取研究[J].机电工程,2022,39(7):903-910.

ZHANG Zi-qin, WANG Gui-yong, LIU Tao. Fault feature extraction for RV reducer based on MCSA and Fisher-SAE[J].Journal of Mechanical & Electrical Engineering, 2022,39(7):903-910.




友情链接

浙江机械信息网