基于深度神经网络的新能源汽车变速箱齿轮故障诊断研究

发布时间：2025-05-20 07:10

　　变速箱是汽车动力的关键传动机构,其中齿轮是核心零部件。变速箱中的齿轮受到多变工况的影响,很容易发生故障,而故障状态下的振动信号是非平稳的且包含大量噪声,这就使变速箱的故障诊断难度大幅度提高。为解决这一问题,本文提出一种基于深度神经网络的故障诊断模型,同时提出该混合模型的训练方法,通过实验验证该模型的可靠性与准确性,最后构建基于该模型的变速箱齿轮故障诊断系统。主要内容如下:本文基于深度神经网络提出一种新能源汽车变速箱齿轮故障诊断方法,通过对模型进行训练学习以及智能分类,达到诊断效果。首先,针对采集到的信号包含大量的噪声干扰,提出堆叠降噪自编码(Stacked Denoising autoencoders,SDAE)进行处理,SDAE可通过其独特的堆叠结构和降噪训练从嘈杂的数据自动提取强健的特征表示。随后,引入双向门控循环神经网络(Bidirectional Gated Recurrent Unit Network,Bi GRU)处理时间序列数据,而Bi GRU网络能够减弱梯度消失,其独特的门控结构可以有效地解决长、短期序列变化的问题,同时双向训练能够充分利用过去和未来的信息。综上所述,将两...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图1.12019世界新能源汽车大会Figure1.1Worldnewenergyautomobilecongress2019

哈尔滨理工大学工程硕士学位论文1第1章绪论1.1课题研究的背景和意义石油短缺和气候变化对中国对世界都是一个持续的严峻挑战，这种挑战对目前几乎完全依赖石油的交通行业尤为明显，节能减排变得日益重要。因此，新能源汽车逐渐走入了人们的视野。从《2019年全球新能源汽车产业发展趋势报告》中....

图1.2DBN结构图

哈尔滨理工大学工程硕士学位论文4模型得到了更佳的识别效果。但是，SAE中的激活函数往往难以反映输入数据与故障类别之间的精确映射关系。此外，当输入数据复杂且非平稳时，很难获得满意的诊断性能。图1.2DBN结构图Fig1.2DBNstructurediagram卷积神经网络包含有数据....

图1.3CNN结构图

哈尔滨理工大学工程硕士学位论文5等人[27]提出了CNN-RNN融合分析法.该方法使用一维CNN网络提取特征数据,剔除受环境噪音等因素影响的无效信息且依然具有时序性,再由处理时序数据精度较高的RNN对该特征数据进行计算处理进而对旋转机械进行故障诊断。唐赛[28]提出了一套基于长短....

图2-1降噪自编码Fig.2-1DenoisingAutoEncoders

哈尔滨理工大学工程硕士学位论文7第2章深度神经网络及齿轮故障分析本章主要介绍两种深度神经网络，阐述两种网络的基本原理和结构，又详细的分析比对两种网络变体各自的模型结构和优点，讨论它们的应用空间，确定两种网络结合的混合模型，并对齿轮故障类型进行阐述，分析其振动特性及原理。为之后的章....

本文编号：4047042