机床与液压

作者：杨敏，孙文磊，刘志远，钟荟玄，辜英政，王云浩，张宇

单位：新疆大学智能制造现代产业学院；新疆大学智能制造现代产业学院；新疆大学智能制造现代产业学院；新疆大学智能制造现代产业学院；新疆大学智能制造现代产业学院；新疆大学智能制造现代产业学院；新疆大学智能制造现代产业学院

关键词：故障诊断;马尔可夫转移场;深度卷积生成对抗网络;改进EfficientNet;齿轮箱

基金：新疆维吾尔自治区重点研发计划（2020B02014）

为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题，提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场（MTF）图像编码原理将收集的一维振动信号转换成二维可视化图像，按比例划分训练集和测试集；将训练集数据与随机向量输入至深度卷积生成对抗网络（DCGAN）模型中，交替训练生成器和判别器直至实现纳什均衡，生成与原始样本特征相似的新增样本，以此扩充故障数据集；最后，对EfficientNet的MBConv模块数量和激活函数进行改进，并将原始样本及增广后的样本集导入改进后的EfficientNet中进行特征提取，实现齿轮箱故障的识别与分类。结果表明：所提方法显著提高了样本不均衡情况下齿轮箱故障的诊断准确率，具有维度变换简单和模型参数量小的优势，加快了收敛速率。

来源：2025年第12期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第12期