机床与液压

作者：方学宠，张才，白植志，李科，易灿灿

单位：温州市特种设备检测科学研究院；温州市特种设备检测科学研究院；温州市特种设备检测科学研究院；浙江省特种设备科学研究院；武汉科技大学冶金装备及其控制教育部重点实验室；武汉科技大学机械传动与制造工程湖北省重点实验室；武汉科技大学精密制造研究院

关键词：行星齿轮箱;残差网络;图卷积神经网络;三重混合曲率;故障诊断

基金：国家自然科学基金项目（51805382）;浙江省市场监督管理局科技计划项目（ZC2023073）

针对太阳轮不同类型故障信号识别过程中特征提取不完全、图数据运算环境单一等问题，提出一种基于残差网络（ResNet50）和图卷积神经网络（GCN）的ResNet50-GCN模型，并通过三重混合曲率（3Cur）空间环境对半监督学习进行训练，以实现齿轮箱故障信号的准确分类。利用ResNet50模型对输入的切分信号成分进行特征提取，并作为GCN的节点信息充分挖掘数据间的关系与依赖性。将图网络结构嵌入到3种不同曲率构成的混合曲率空间进行训练和验证，获得3Cur构型空间下该模型的预测类别标签。最后，对实验数据进行分析，绘制预测类别的稀疏混淆矩阵，并计算准确率相关的4类评判指标。实验结果表明：所提3Cur-ResNet50-GCN模型的分类效果相比ResNet50-GNN和ResNet50-GCN有所提升，且最大池化核为2时的准确率达到了97.51%，验证了该方法在准确度和有效性上的优势。

来源：2025年第14期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第14期