原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE
PAGE5
摘要
齿轮箱作为机械设备中的关键传动部件，其工况环境复杂多变，齿轮箱部件易受磨损、疲劳、冲击载荷等因素影响。目前针对齿轮箱故障诊断主要依赖于专家经验判断和人工特征提取的方法，具有效率低、精度低等局限性。随着信号处理理论和人工智能理论的不断进步，基于数据驱动的智能故障诊断方法已成为齿轮箱故障诊断领域的研究热点之一，为解决齿轮箱振动信号非平稳及其传统方法特征提取依赖于人工经验等问题，本文提出了一种基于经验模态分解和一维卷积神经网络的智能诊断方法，首先采用经验模态分解算法对原始振动信号自适应分解，得到反映不同故障特征的本征模态函数，并根据相关系数能量占比和
文档评论（0）