《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于元学习技术的变工况齿轮故障诊断方法

作者:郭敏,周超,郑成基,等. 日期:2023-11-27/span> 浏览:154 查看PDF文档

基于元学习技术的变工况齿轮故障诊断方法*
郭敏1,周超1,郑成基1,陈鹏1,胡国宾1,范青荣1*,朱小红2

(1.武汉理工大学 机电工程学院,湖北 武汉 430070;2.中国轻工业长沙工程有限公司,湖南 长沙 410114)


摘要:在变工况齿轮故障诊断过程中,存在齿轮运行工况多变、故障样本数据少、数据分布性差异大和故障数据非均衡性等问题,导致传统的深度学习模型通用性差、诊断准确率不高。针对这些问题,提出了一种基于元学习技术的变工况齿轮故障诊断(VWFD)方法(模型)。首先,采用重叠采样技术,对齿轮的原始振动信号进行了重采样,增加了故障样本的数量;其次,对重采样的故障数据进行了短时傅里叶变换(STFT),将其转化为时频特征图,使其数据形式更加符合模型的输入,以便于后续提取更完善的故障特征;然后,将Inception模块引入到基于元学习技术的原型网络中,以提高其特征表达能力,获取更加全面的齿轮故障特征信息;最后,基于优化的原型网络,建立了各类故障的度量类原型,采用度量分类器进行了故障分类,对变工况下的齿轮故障进行了诊断;为了验证VWFD模型结构与Inception模块引入位置和数量的合理性,设计了一系列对比实验,并对实验结果进行了分析。研究结果表明:与采用其他故障诊断方法得到的结果相比,采用VWFD方法所得到的诊断精度更高,如在相同负载、不同转速变工况类型下的5-way 5-shot实验组中,VWFD的平均诊断精度高达91.26%,而支持向量机(SVM)、卷积神经网络(CNN)和原型网络(PN)的诊断精度分别仅有74.48%、87.22%和89.56%。

关键词:变工况齿轮故障诊断;重叠采样技术;元学习技术;原型网络;短时傅里叶变换;Inception模块

中图分类号:TH132.413文献标识码:A文章编号:1001-4551(2023)11-1682-09



本文引用格式:

郭敏,周超,郑成基,等.基于元学习技术的变工况齿轮故障诊断方法[J].机电工程,2023,40(11):1682-1690.

GUO Min, ZHOU Chao, ZHENG Chengji, et al. Fault diagnosis method of gear under variable working conditions based on meta-learning technology[J].Journal of Mechanical & Electrical Engineering, 2023,40(11):1682-1690.



友情链接

浙江机械信息网