基于优化VMD-NLM与1DDRSN的齿轮箱故障诊断方法
万志国
赵伟
王治国
窦益华
西安石油大学 机械工程学院,西安 710065
摘要：[目的]针对在噪声干扰情况下齿轮箱故障诊断准确率不佳的问题,基于优化变分模态分解(Variational Mode Decomposition,VMD)和非局部均值滤波(Non-Local Means,NLM)的去噪方法,与一维深度残差收缩网络(1Dimensional Deep Residual Shrinkage Network,1DDRSN)相结合,构建了一种全新的齿轮箱故障诊断方法.[方法]首先,使用减法平均优化(Subtraction-Average-Based Opti-mizer,SABO)算法对VMD中的参数进行自动寻优;其次,使用样本熵筛选VMD后的各模态分量(Intrinsic Mode Function,IMF),对含有噪声的分量进行NLM去噪重构;再次,引入将注意力机制和软阈值化相结合的残差网络,建立1DDRSN模型;最后,将去噪重构的信号输入至1DDRSN进行故障诊断识别,并通过DDS试验台进行了验证.[结果]结果表明,去噪后的信号与原始信号相比,使故障准确率提升了3.16%,说明优化VMD-NLM具有较好的降噪效果;1DDRSN诊断准确率达到了99.33%,与卷积神经网络(Convolutional Neural Network,CNN)、ResNet相比,准确率分别提升了5.97%、1.17%,验证了该方法的可行性和诊断效果的准确性.
关键词：变分模态分解减法平均优化算法非局部均值去噪1DDRSN故障诊断
分类号：TM315(电机)TP183(自动化基础理论)
资助基金：陕西省自然科学基础研究计划青年项目(2022JQ-412)西安石油大学研究生创新与实践项目(YCS23214273)
论文发表日期：2025-05-15
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：11( 150-160 )
英文信息