基于小波卷积与注意力机制的RV减速器齿轮箱故障诊断

作者：阮强,刘韬,王振亚,等. 日期：2023-08-14/span> 浏览：1225 查看PDF文档

摘要:在变负载工况下,RV减速器齿轮箱的特征提取存在困难,且其故障模式也难以得到识别。针对这一些问题,提出了一种基于Laplace小波卷积网络(LWNet)和注意力机制(ATT)的变工况下齿轮箱故障诊断方法(模型)。首先,基于Laplace小波变换原理设计了小波卷积层(Laplace Net),代替传统卷积神经网络第一层,对输入信号进行了自适应特征提取,以获得更明显的冲击特征;然后,将注意力机制引入模型卷积网络,以增强故障信息权重,以SoftMax作为分类器进行了故障诊断;为了提高模型的稳定性,每层卷积后接归一化层(batch normalization, BN),对特征进行了归一化处理,使用Dropout(0.5)防止过拟合;最后,使用RV减速器齿轮箱的数据集对基于LWNet和ATT的方法(模型)进行了验证。研究结果表明:基于LWNet和ATT的方法(模型)能够自适应地定位故障信号的冲击信息,在定负载条件下,其平均诊断准确率高达99.92%(相比于经典的深度学习模型与近期的方法,其准确率提高了3.25%~12.26%),该方法具有更高的诊断效率;在变负载条件下,该方法的平均准确率也可以达到98.09%。基于LWNet和ATT的方法(模型)解决了变工况条件下减速器齿轮箱振动信号特征提取困难的问题。

关键词:变速器;Laplace小波卷积网络;小波变换;注意力机制;卷积神经网络;故障特征提取

中图分类号:TH132.41;TH165.3文献标识码:A文章编号:1001-4551(2023)06-0815-10

本文引用格式:

阮强,刘韬,王振亚,等.基于小波卷积与注意力机制的RV减速器齿轮箱故障诊断［J］.机电工程,2023,40(6):815-824.

RUAN Qiang, LIU Tao, WANG Zhen-ya, et al. Fault diagnosis of RV gearboxes based on wavelet convolution with attention mechanism［J］.Journal of Mechanical & Electrical Engineering, 2023,40(6):815-824.