机床与液压

作者：赵乾柏，张春良，岳夏，龙尚斌

单位：广州大学机械与电气工程学院；广州大学机械与电气工程学院；广州大学机械与电气工程学院；广州大学机械与电气工程学院

关键词：故障解释;故障特征分析;时频联合校验

基金：国家自然科学基金面上项目(52275097)； 广东华中科技大学工业技术研究院/广东省制造装备数字化重点实验室开放基金（2023B1212060012）

针对现有采用神经网络进行故障诊断难以准确解释、精确寻找故障点的问题，提出一种基于动力学时频联合校验的强背景噪声下故障诊断方法。首先，利用连续小波变换对含噪声的振动信号进行时频转换，获取二维时频图；计算齿轮和轴承的故障周期，得到一系列的标准故障组合框；然后采用多个网络模型提取故障特征，并用热力图法对每个最佳权重网络进行结合，得到含注意力权重热力图的故障时频图，并在时频图对故障点进行时频特征提取，得到一系列的故障框；随后计算每个故障框的置信度并且取平均值，采用余弦相似度对捕捉故障框序列和标准故障组合框的位置进行评价，取置信度和位置的综合评价作为故障诊断的结果。最后分别利用凯斯西储大学和Spectra Quest行星齿轮箱数据进行实验验证。结果表明，在强噪声情况下，所提方法具有更高的识别效果和抗噪性，并可对故障过程进行准确解释。

来源：2025年第3期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第3期