齿轮箱非平衡故障数据下的自适应诊断方法
田娟
谢刚
张顺
王宇飞
太原科技大学 电子信息工程学院,太原 030024;太原科技大学 先进控制与工业智能山西省重点实验室,太原 030024
摘要：[目的]现有智能故障诊断方法面临的挑战包括模型训练依赖于大量标签数据、故障数据获取困难且发生概率不同、对工况影响考虑不足等.为此,提出一种变工况下自适应类间和类内非平衡故障数据的齿轮箱诊断方法.[方法]首先,构建门控局部连接网络,有效降低对标签数据的依赖,直接从原始数据中挖掘数据分布本征特征;其次,设计外部注意力和内部注意力并行机制,考虑变工况下类间故障和类内故障分布差异,进一步调整提取特征权重;最后,采用焦点损失函数,更加关注少数类和困难类样本,实现高质量的非平衡诊断信息挖掘.[结果]经齿轮箱故障试验平台6组非平衡数据测试,验证了所提方法自适应识别非平衡故障数据的有效性和优越性.
关键词：故障诊断类间和类内非平衡门控局部连接网络注意力并行机制焦点损失
分类号：TP181(自动化基础理论)
资助基金：山西省基础研究计划项目(202303021222163)山西格盟中美清洁能源研发中心有限公司科技创新基金项目(2024035)
论文发表日期：2025-01-14
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 153-162 )
英文信息