科研之友
微信
新浪微博
Facebook
分享链接
摘要
齿轮箱故障诊断存在变速工况、样本数量偏少以及会形成强噪声情况，提出了一种通过多尺度特征融合网络（MFFN）实现故障诊断技术。对初始时域信号拓展形成多特征域，建立造多维堆栈稀疏自编码器（MSSA）对不同特征域进行故障采集，通过粒子群算法优化回声状态网络（IESN）进行信号处理。研究结果表明：样本充足条件下，MFFN模型诊断时，定速工况为99.15%，变速工况为98.46%，达到了更高准确率并降低了标准差。在样本不足条件下，深度特征融合网络（DEFN）和MFFN对于样本数量减少表现出了优异鲁棒性，MFFN达到了更优的性能。在噪声干扰场景下，采用MFFN依然能够达到85%的准确率。该算法具备更优抗干扰性能，采用多维特征提取能够更好地适应处于强噪声干扰环境。该研究为实现传动系统的稳定运行提供了理论参考。
-
单位河北软件职业技术学院; 河北大学
