基于深度卷积二元分解网络的齿轮箱故障诊断方法
林慧斌
冼贤钊
何国林
华南理工大学 机械与汽车工程学院,广州 510640
摘要：[目的]针对齿轮箱故障诊断中谐波干扰掩盖局部故障特征的问题,提出一种基于深度卷积二元分解网络(Deep Convolutional Binary Decomposition Network,DCBDN)的齿轮箱谐波分离与冲击特征提取方法.[方法]首先,通过改进堆叠自编码网络的特征传递与输出模式,引入对谐波成分的分离约束,在网络特征传递过程中实现谐波分离与冲击故障特征提取;随后,针对所提网络提出一种基于故障机制模型的二元输出网络模型训练方法,利用故障机制模型构造仿真数据集,以效果补偿的方式对模型内的谐波特征提取器和冲击特征提取器进行参数动态链式更新,完成网络训练.[结果]仿真和试验分析结果表明,相较于现有的卷积自编码网络模型和快速谱峭度方法,所提方法能够有效分离出耦合在一起的谐波和故障冲击成分,具有更强的抗干扰性能和局部故障特征提取能力.
关键词：深度卷积二元分解网络齿轮箱冲击特征提取谐波分离
分类号：TH165.3(机械制造工艺)TH132.41(机械零件及传动装置)
资助基金：国家重点研发计划(2023YFB4203100)广东省自然科学基金(2022A1515011238)
论文发表日期：2025-09-15
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：10( 119-127,135 )
英文信息