小波包分解和改进ResNet行星齿轮箱故障诊断方法

作者：郝德琛; 李华玲; 黄晋英

来源：传感器与微系统, 2022, 41(08): 116-123.

DOI：10.13873/J.1000-9787(2022)08-0116-04

• 改进深度残差网络
• 小波包分解
• 紧凑卷积结构
• 自注意力机制
• 行星齿轮箱故障诊断

针对行星齿轮箱中故障诊断信号存在的类内离散大和类间相似的问题，提出识别技术改进深度残差网络(IResNet)和小波包分解(WPD)模型。行星齿轮箱振动信号进行小波包频段分解后，振动信号的故障类型和各个频段的能量熵分布有一定关联。筛选最优解得结果进行振动信号的重构，作为样本。使用改进深度残差网络，在网络拥有残差结构的基础上，通过使用紧凑卷积(CompConv)模块替换卷积模块，并减少网络深度，使网络模型变得轻量化。在网络中加入自注意力机制，进一步提高网络的准确率。使用WPD-IResNet网络模型进行10次实验，故障诊断准确率平均值为99.1%。

• 单位
  中北大学