小样本下基于DWT和2D-CNN的齿轮故障诊断方法
小样本下基于DWT和2D-CNN的齿轮故障诊断方法
在工业生产的过程中，齿轮是最常见的机械设备之
一，是重要的传动装置。齿轮故障会导致生产中断，影响工业生产的效率。因此，对齿轮故障进行诊断是非常重要的。我们提出了一种基于小样本的齿轮故障诊断方法，该方法利用小样本下的离散小波变换（DWT）提取振动信号中的特征，并采用2D-CNN分类器进行故障诊断。该方法在西门子Gearbox数据集上进行了测试，经过对比实验，我们证明了该方法的有效性。未来，该方法有望在工业生产中得到广泛应用。
一、介绍
工业生产中，齿轮是最常见的机械设备之
一，是很多传动系统中必不可少的。因此，齿轮故障是影响工业生产效率的重要因素。传统的齿轮故障诊断方法是依据振动信号的FFT、时域和频域特征进行分类，但是这种方法存在的问题是，当搜集到的数据样本较少时难以进行高精度分类，这就限制了传统方法的有效性。近年来，随着深度学习的发展，人们提出在小样本下进行深度学习的方法，这就解决了传统齿轮故障诊断方法的缺陷，提高了诊断的准确性。
我们提出了一种利用小样本下的离散小波变换（DWT）提取振动信号中的特征，并采用2D-CNN分类器进行故障诊断的技术。这种技术的优点在于能够对小样本进行高精度分类，并且对于非平稳信号和噪声有很好的鲁棒性和分类能力。我们将这项技术应用于西门子Gearbox数据集中进行测试，并与传统方法进行对比实验，证明了该方法的有效性。
第二部分讨论了本研究所使用的数据集和实验介绍；第三部分介绍了DWT和2D-CNN分类器原理，以及如何将它们应用于齿轮故障诊断；第四部分提出了实验结果并与传统方法进行对比实验；第五部分总结了全文研究，并对未来的研究进行了展望。
二、数据集和实验介绍
为了验证我们提出的小样本下基于DWT和2D-CNN的齿轮故障诊断方法的有效性，我们使用了西门子Gearbox数据集进行测试。该数据集包含了四种齿轮健康状态和五种故障状态，共九种状态。
健康状态；毛刺磨损；缺陷齿；异常齿距；异常齿数；摆杆断裂；轴承松动；轴承磨损；锈蚀。
每种状态下共有48个样本，每个样本包含了4800个数据点，采集时间为10秒。因此，我们一共有432个数据样本。通过这些数据，我们评估了DWT和2D-CNN分类器在小规模样本下齿轮故障诊断的效果。
三、DWT和2D-CNN方法介绍
离散小波变换（DWT）是一种用于信号处理的方法，可以将信号分解为不同频带的子带，以提取出信号在不同频段下的特征信息。DWT是一种时频分析方法，而且适用于非平稳和不同分辨率信号的分析。
在本方法中，我们使用DWT来分解振动信号，在分解后的子带中提取不同频段下的特征。在DWT中，将振动信号分解成不同频段，然后将信号重构为原始信号的近似和细节信息。
使用DWT处理过的振动信号在不同频段下提取了不同的特征，而这些特征信息有利于区分不同状态下的振动信号。
卷积神经网络（CNN）在许多领域中都有着广泛应用，包括图像处理和语音识别等领域。2D-CNN是CNN的一种，它可以处理2D数据，例如图像。
2D-CNN具有高度的自适应性和鲁棒性，能够自动适应不同特征的权值，并且可以抑制噪声干扰。在本方法中，我们首先将DWT的分解结果表示为2D图像，然后通过2D-CNN进行分类。
提取特征（DWT分解）：将采集到的振动信号进行DWT分解，得到不同频段下的子带，并将这些子带编码为2D图像。CNN分类：将编码后的2D图像输入2D-CNN分类器中，进行分类。
2D-CNN分类器最终输出的结果是该振动信号所属的齿轮故障状态类别。
四、实验结果
在本实验中，我们比较了基于DWT和2D-CNN的齿轮故障诊断方法和传统的FFT方法的诊断效果。为了模拟小样本下的情况，我们将数据集划分为训练集、测试集和验证集，每个状态下的数据数量分别为6、2和
2。在训练期间，数据集每个状态下的样本数相同，总样本数为36。在测试期间，我们随机从测试集中选择了20个数据。
五、总结与展望
本文提出了一种基于小样本的齿轮故障诊断方法，该方法采用DWT来提取振动信号的特征，并使用2D-CNN分类器进行故障诊断。实验结果表明，该方法在西门子Gearbox数据集上的分类性能比传统方法更为优越。
单纯的根据样本数据做回归分析
单纯的根据样本数据做回归分析，得出一年5000万的人口增量。可叹社会不是数学。脱离群众的数学建模注定南辕北辙。
人文学科绝不是关起门来做文章，也不是在电脑上打打字，找找资料，翻翻书就能得出有效的学术成果。学术风气如此懒惰，怎么能培养出大宗师来。
【QTL分析】小样本
【QTL分析】小样本，影响分子行为的QTL，如eQTL,mQTL等。有点意思
Enhancing discoveries of molecular QTL studies with small sample size using summary statistic imputation Get ess Arrow
Tao Wang, Yongzhuang Liu, Quanwei Yin, Jiaquan Geng, Jin Chen, Xipeng Yin, Yongtian Wang, Xuequn Shang, Chunwei Tian, Yadong Wang ... Show more
Briefings in Bioinformatics, Volume 23, Issue
1, January 2022, bbab370, 网页链接
如果样本数据只有一组
如果样本数据只有一组，通常用到均值比较过程和单样本T检验；如果样本数据有两组且两组样本是随机独立的，则通常用到独立样本T检验；如果样本数据有两组且两组样本不是随机独立的，则通常用到成对样本T检验；如果样本数据有两组以上，则需要用到方差分析的方法。——《SPSS统计分析从入门到精通（第四版）》
相关文章
