机床与液压

作者：石永芳，徐庆宏，姜宏，章翔峰

单位：新疆医科大学医学工程技术学院；新疆大学机械工程学院；新疆大学机械工程学院；新疆大学机械工程学院

关键词：齿轮箱;故障诊断;卷积神经网络;多尺度特征提取;残差学习

基金：国家自然科学基金地区科学基金项目（51865054）

针对齿轮箱故障诊断需要大量专家经验知识、人工提取特征困难的问题，提出基于特征差异性学习卷积神经网络(FDLCNN)的故障诊断方法。构建不同深度的多尺度网络，并引入残差模块，以提升网络的特征提取能力；提取一维时序信号中不同尺度不同深度的故障特征，再通过自适应平均池化层处理后进行特征融合，以丰富智能诊断决策信息；最后在全连接层实现特征降维，使用Softmax分类器输出诊断结果。利用10种齿轮箱故障状态实验数据与现有3种方法进行对比分析，结果表明：FDLCNN故障识别精度更高，鲁棒性更强，收敛速度更快。

来源：2023年第24期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第24期