【小樣本下行星齒輪箱故障診斷分析案例13000字（論文）】

小樣本下行星齒輪箱故障診斷分析案例目錄TOC\o"1-3"\h\u20299小樣本下行星齒輪箱故障診斷分析案例 表1.7中的F-measure值可見，F-measure值最小的一般出現在該未訓練類上，這與模型在訓練中未獲取到其信息有關。其中，F-measure值最低出現在行星輪裂紋和太陽輪磨損中，這兩種情況下F-measure值波動較大。具體而言，在訓練樣本中缺少行星輪裂紋時，出現了將行星輪裂紋誤分為正常情況，這對故障診斷影響加大；訓練樣本中缺少太陽輪斷齒時，當其他訓練樣本足夠時，對于太陽輪斷齒故障的性能是下降的。(a1)訓練樣本量120（缺少行星輪裂紋情況）(b1)訓練樣本量12600（缺少行星輪裂紋情況）(a2)訓練樣本量120（缺少行星輪磨損情況）(b2)訓練樣本量12600（缺少行星輪磨損情況）(a3)訓練樣本量120（缺少行星輪斷齒情況）(b3)訓練樣本量12600（缺少行星輪斷齒情況）(a4)訓練樣本量120（缺少太陽輪裂紋情況）(b4)訓練樣本量12600（缺少太陽輪裂紋情況）(a5)訓練樣本量120（缺少太陽輪磨損情況）(b5)訓練樣本量12600（缺少太陽輪磨損情況）(a6)訓練樣本量120（缺少太陽輪斷齒情況）(b6)訓練樣本量12600（缺少太陽輪斷齒情況）圖1.SEQ圖3.\*ARABIC12訓練集缺少一種特定狀態的故障診斷分類結果混淆矩陣圖表1.SEQ表3.\*ARABIC6訓練樣本量為120時各種情況F-measure缺失樣本類別正常行星輪裂紋行星輪磨損行星輪斷齒太陽輪裂紋太陽輪磨損太陽輪斷齒行星輪裂紋0.82410.24440.9890.96670.93980.91110.8557行星輪磨損110.43310.93710.52040.91670.9889行星輪斷齒0.98890.98890.86170.75470.97750.92230.9836太陽輪裂紋110.94740.97750.54010.92151太陽輪磨損110.78140.90160.9890.47691太陽輪斷齒0.988910.98360.69430.94860.85420.4795表1.SEQ表3.\*ARABIC7訓練樣本量為12600時各種情況F-measure缺失樣本標簽正常行星輪裂紋行星輪磨損行星輪斷齒太陽輪裂紋太陽輪磨損太陽輪斷齒行星輪裂紋0.8780.46671110.88671行星輪磨損110.94740.98360.967711行星輪斷齒110.93260.860810.96771太陽輪裂紋110.83810.9570.67140.97831太陽輪磨損1110.92230.95240.84811太陽輪斷齒0.9944110.765810.90110.4由上述分析可知，在一種故障模式樣本的樣本量極度缺乏的情況下，在使用孿生卷積網絡訓練的模型多數情況下能夠保證多數已訓練類的高質量診斷，但在測試過程中，由于未訓練類的引入，會干擾部分類別樣本的診斷，導致小部分類別樣本的誤分與漏診，但隨著其他類別訓練樣本集樣本量的增大，先驗信息增加，多數情況下可以得到改善，通過距離度量對未訓練類樣本進行分類，取得了較好的整體分類性能。與此同時，這也從側面模擬了一種已訓練樣本數量與未訓練樣本數量極度不均衡的情況，在這種情況下可采用基于