Details

В этой статье мы представляем новую методику диагностики неисправностей коробок передач, которая включает в себя непрерывное вейвлет-преобразование (CWT), сверточную нейронную сеть (CNN) и сеть долговременной кратковременной памяти (LSTM). В экспериментах использовался общедоступный набор данных по коробкам передач, предоставленный Юго-Восточным университетом Китая, включающий сигналы вибрации при различных условиях эксплуатации. Визуализация экспериментальных результатов с помощью техники T-SNE показывает, что модель способна эффективно различать данные о коробке передач в различных состояниях. Результаты подтверждают, что данный метод CWT-CNN-LSTM обладает высокой точностью в автоматическом извлечении признаков неисправностей и классификации неисправностей коробки передач, что имеет большое прикладное значение для практической диагностики неисправностей коробки передач.

This paper presents a novel gearbox fault diagnosis technique that incorporates continuous wavelet transform (CWT), convolutional neural network (CNN) and long short-term memory network (LSTM). The experiments were conducted using a publicly available gearbox dataset provided by Southeast University in China, including vibration signals under different operating conditions. Visualisation of the experimental results by the T-SNE technique shows that the model is able to effectively differentiate gearbox data in different states. The results confirm that this CWT-CNN-LSTM method has high accuracy in automatically extracting fault features and classifying gearbox faults, which is of great application value for practical gearbox fault diagnosis.

Предмагистерская подготовка иностранных граждан: сборник статей VI межвузовской научно-практической конференции, 21–22 июня 2024 года / Санкт-Петербургский политехнический университет Петра Великого, Высшая школа международных образовательных программ; [редакционная коллегия: В. В. Краснощеков, Д. А. Игнатьева]. — Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2024 (2025). — 1 файл (14,1 Мб). — Загл. с титул. экрана. — Электронная копия печатной публикации 2024 г. — Доступ по паролю из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/i25-70.pdf>. — DOI 10.18720/SPBPU/2/i25-70. — Текст: электронный