摘要
本申请涉及一种变工况下齿轮箱的故障诊断方法和装置。所述方法包括:获取变工况下齿轮箱不同故障类型对应的样本数据;构建引入变工况修正因子的多层感知机;其中,多层感知机利用哈里斯鹰优化算法寻找包括隐藏节点数、学习率和变工况修正因子的目标参数组合;利用样本数据训练多层感知机,以基于训练完成的多层感知机实现对变工况下齿轮箱的故障诊断。采用哈里斯鹰优化算法对多层感知机进行参数优化,提高多层感知机学习样本数据中周期性特征的捕捉能力,提高故障诊断模型的准确率。同时,多层感知机中引入了变工况修正因子,可根据不同工况动态调整多层感知机的参数,提升多层感知机的适应性和泛化能力。
技术关键词
多层感知机
变工况
下齿轮箱
节点数
故障诊断方法
因子
样本
算法
故障诊断装置
故障诊断模型
周期性特征
模型训练模块
正则化参数
数据处理模块
计算机程序产品
处理器
计算机设备
系统为您推荐了相关专利信息
原型
集成分类器
样本
模式识别方法
图像分类神经网络
多层感知机
小规模
滑动窗口
输出特征
注意力机制
水泥生产线设备
故障诊断方法
煤磨系统
旋转机械设备安装
卷积神经网络结构
航空发动机主轴
三明治
二阶统计量
轴承故障诊断方法
中间层
卷积神经网络提取
特征提取网络
融合特征
图像
注意力机制