基于机器学习的齿轮故障诊断研究现状和发展前景.pptxVIP

基于机器学习的齿轮故障诊断

研究现状和发展前景

陈天熙1，费叶琦1，2*，江琴1，王吉平1，闫业斌3

(1.南京理工大学紫金学院智能制造学院，江苏南京210046;

2.南京林业大学机械电子工程学院，江苏南京210037;

3.上海普密德自动化科技有限公司，上海200000)

摘要:机器学习以其优秀的数据处理能力长期活跃于故障诊断领域。主要介绍国内外在基于机器学习的齿轮故障诊断领域的研究成果，梳理了浅层学习模型和深度学习模型在故障诊断领域的应用，并对其出现的问题进行总结与分析，最后对该领域未来的发展进行展望。

关键词:机器学习;故障诊断;齿轮

中图分类号:TP81文献标识码:A文章编号:2095－2953(2022)08－0004－04

DOI:10.13279/ki.fmwe.2022.0118

ResearchStatusandDevelopmentProspectof

GearFaultDiagnosisBasedonMachineLearning

CHENTian-xi1，FEIYe-qi1，2*，JIANGQin1，WANGJi-ping1，YANYe-bin3

(1.SchoolofIntelligentManufacturing，NanjingUniversityofScienceandTechnologyZijinCollege，NanjingJiangsu210046，China;

2.CollegeofMechanicalandElectronicEngineering，NanjingForestryUniversity，NanjingJiangsu210037，China;

3.ShanghaiPumiderAutomationTechnologyCo．，Ltd．，Shanghai200000，China)

Abstract:Machinelearninghaslongbeenactiveinthefieldoffaultdiagnosisbecauseofitsexcellentdataprocessingcapabilities．Thispapermainlyintroducestheresearchresultsofgearfaultdiagnosisbasedonmachinelearningathomeandabroad，sortsouttheapplicationofshallowlearningmodelsanddeeplearningmodelsinfaultdiagnosis，summarizesandanalyzestheproblemswiththem，andfinallypresentsprospectsforthefuturedevelopmentofthisfield．

Keywords:machinelearning;faultdiagnosis;gear

收稿日期:2022－03－08

第一作者简介:陈天熙，本科生，研究方向为机械结构设计，E-mail:1023274132@qq.com。

*通讯作者:费叶琦，讲师，博士研究生，研究方向为机电一体化、智能制造、无损检测，E-mail:191858397@qq.com。

齿轮作为最重要的传动元件之一，当它出现故障时往往会使设备失效甚至被破坏，对设备和人员都有极大的威胁，所以对齿轮进行准确的故障诊断十分重要。准确地对齿轮进行故障诊断，将会产生巨大的社会效益和经济效益，近年来国家与社会也

对相关技术逐渐重视。

对齿轮箱故障诊断方法的原理进行分类，大致可以分为油液分析法、振动分析法以及声发射技术［1］。随着计算机技术、传感器技术以及信息技术的不断发展，新型的故障诊断方法也不断出现，包括

林业机械与木工设备

FORESTRYMACHINERY＆WOODWORKINGEQUIPMENT

(c)1994-2022chinaAcademicJournalElectronicpublishingHouse.Allrightsreserved.http://www.

第50卷第8期

2022年8月

Vol5