基于优化变分模态分解和卷积神经网络的齿轮故障诊断

作者：杨同光; 于晓光^*

来源：组合机床与自动化加工技术, 2020, (07): 132-137.

DOI：10.13462/j.cnki.mmtamt.2020.07.030

• 故障诊断
• 变分模态分解
• 改进遗传算法

针对齿轮振动信号具有非稳定特性、为了实现减速机齿轮箱的智能诊断且变分模态分解(VMD)参数组合[K,α]的大小需要使用者反复尝试而不能有效确定的问题,提出了一种改进的遗传算法(MGA)对变分模态分解参数优化选取方法,在此基础上将优化的VMD与深度卷积神经网络(DCNN)结合。提出了优化VMD与DCNN齿轮智能故障诊断方法,首先用优化后的VMD对信号进行分解,其次采用DCNN进行故障模式识别。最后,将该方法应用于实例中,结果表明,该方法不仅有效地对信号进行分解和对齿轮故障类型可达到精准识别,同时还可诊断齿轮轻度磨损的早期故障。

• 单位
  辽宁科技大学; 自动化学院