机床与液压

作者：魏可丰，孙国玺，张清华

单位：华南理工大学电子与信息学院；广东石油化工学院，广东省石化装备故障诊断重点实验室；广东石油化工学院，广东省石化装备故障诊断重点实验室；广东石油化工学院，广东省石化装备故障诊断重点实验室

关键词：可训练去噪;多尺度;二次卷积;复合故障诊断

基金：国家自然科学基金重点项目（61933013）；广东省高等学校自然科学研究项目（2020KTSCX083）；茂名市科技计划项目（2021KJZXZJGSPDX001）

现有多数故障诊断技术通常假设仅有单个机械故障发生，而忽略了同时发生两个或多个类型的复合故障情况。由于实际应用环境的复杂多变，复合故障更常见且危害更大。针对此，提出一种在噪声工况下用于复合故障诊断的可训练去噪和多尺度二次卷积模型。将U-Net网络结构与残差学习相结合，提出一种在噪声工况下有效提取去噪信息的残差预处理模块，设计一种新的损耗函数，以在反向传播过程中更新模块参数，从而在不同强度的噪声中获取实际振动信号输入，并且与后续网络进行端到端训练。为了提高模型的性能，基于多尺度学习思想，应用多尺度二次卷积网络从振动信号中学习多尺度特征，并且通过推导建立自相关和二次神经元在数学上的联系，解释了二次网络卓越的信号特征表示能力。考虑大型旋转机械轴承和齿轮的单故障和复合故障，通过公共数据集和专有数据集进行实验验证。结果表明：所提方法在不同强度噪声下对单故障和复合故障的识别能力显著优于现有技术，验证了其有效性，其中二次卷积和可学习自相关项起关键作用。

来源：2025年第24期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第24期