关键词：干扰分解;双通道卷积;神经网络;旋转机械齿轮;故障诊断;降噪自编码器
摘 要：旋转机械齿轮的工作环境比较嘈杂，采集的多通道振动信号通常是多分量非线性时变数据，传统的模态分解方法通过分解振动信号，取得在随机共振中表现形式的差异化特征，完成故障特征提取。但是，这些方法忽略了冲击干扰信号间的耦合关系，一旦耦合关系复杂，就难以有效提取反映旋转机械齿轮故障的冲击分量。为了在复杂环境中准确判断机械齿轮故障信息，提出基于干扰耦合关系分解的旋转机械齿轮故障诊断方法。设计旋转机械齿轮振动信号干扰分解自编码器，并引入天牛须搜索算法分解自编码器提取的耦合关系。将强耦合关系下旋转机械齿轮振动信号干扰分解为多个耦合关联结果。结合卷积神经网络和门控递归单元，构建了双通道卷积神经网络旋转机械齿轮故障诊断模型。利用分解后的旋转机械齿轮振动信号作为输入数据，分别送入卷积神经网络和门控递归单元两个通道，提取不同的振动信号特征，实现旋转机械齿轮故障诊断。实验结果表明：这种前置滤波单元可以剔除原始信号中的随机噪声改善分解效果。所提方法损失值更低、准确率更高、所用时间更短。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取