基于SDAE和GRUNN的行星齿轮故障识别

作者：于军; 高莲莲; 于广滨^*; 刘可; 郭振宇

来源：振动与冲击, 2021, 40(02): 156-163.

DOI：10.13465/j.cnki.jvs.2021.02.021

• 行星齿轮
• 故障识别
• 噪声环境
• 时变转速
• 堆叠消噪自动编码器(SDAE)
• 门控循环单元神经网络(GRUNN)

针对噪声环境和时变转速工况下行星齿轮故障识别率低的问题,提出一种基于堆叠消噪自动编码器(SDAE)和门控循环单元神经网络(GRUNN)的行星齿轮故障识别方法。构建基于SDAE和GRUNN的混合模型,处理前后关联的时序数据,自动地从含噪样本中提取鲁棒故障特征;将行星齿轮故障诊断的训练样本看作该混合模型的输入数据,采用Adam优化算法和dropout技术训练该混合模型,实现多参数的优化,防止过拟合现象的发生;根据训练后的混合模型,利用softmax分类器识别待诊样本中行星齿轮的状态。通过行星齿轮的故障识别实验验证该方法的有效性,实验结果表明该方法具有较强的抗噪能力和时变转速适应能力。

• 单位
  哈尔滨理工大学; 自动化学院; 电子工程学院