TY - Jour A2 - 沉，长庆Au - Wan，Zitong Au - Yang，Rui Au - Huang，Mengjie Py - 2020 Da - 2020/11/16复杂工作条件下复杂工作条件下的齿轮箱的齿轮箱故障诊断 -8884179 VL - 2020 AB - 在大量可用数据中，信息对历史数据中的故障不敏感的信息干扰齿轮故障特征提取。此外，由于大多数故障诊断模型仅从单/固定工作条件收集的脱机数据中学习，这可能会导致复杂的工作条件（包括多个和未知工作条件）如果没有正确处理，则可能导致令人满意的性能。本文提出了一种基于转移学习的齿轮故障的故障诊断方法，以减少上述问题的负面影响。在该方法中，使用基于传输学习的稀疏AutoEncoder来选择凝聚性评估方法以选择对任务的敏感特征，以将学习的知识转移到复杂的工作条件。风力涡轮机传动系统诊断模拟器的实验结果表明，该方法在复杂的工作条件下是有效的，并且实现的结果优于传统算法。SN - 1070-9622 UR - https://doi.org/10.1155/2020/8884179 Do - 10.1155 / 2020/8884179 JF - 震动和振动Pb - Hindawi Kw - ER -