机床与液压

作者：郑心成，郝如江，孙汇宇，范亚飞，杨青松

单位：石家庄铁道大学机械工程学院；石家庄铁道大学机械工程学院；石家庄铁道大学机械工程学院；石家庄铁道大学，省部共建交通工程结构力学行为与系统安全国家重点实验室；石家庄铁道大学机械工程学院

关键词：马尔可夫变迁场;ResNeXt神经网络;故障诊断;图像压缩

基金：国家自然科学基金项目（12272243）；河北省科技研发平台建设专项项目（21567622H）；石家庄铁道大学创新项目（YC202430）

齿轮箱的振动信号包含丰富的信息。通过将采集到的一维时序信号转换为二维图像，可进一步增强信号特征，从而更好地表征设备状态。基于此，提出一种基于马尔可夫变迁场(MTF)与改进ResNeXt神经网络相结合的齿轮箱故障诊断模型。通过MTF对采集到的一维信号进行转换，得到与时序相关的二维特征图。采用像素平均法对图像进行压缩，以更好地突显其特征信息。最后，将压缩后的图像送入改进ResNeXt神经网络中进行故障识别分类。通过使用动力传动故障诊断综合实验台齿轮箱数据，验证了模型的可行性，并确定了图像转换的最佳尺寸。此外，通过使用凯斯西储大学滚动轴承数据进行消融及抗噪性实验，验证了该模型的有效性与泛化性。

来源：2025年第1期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第1期