科研之友
微信
新浪微博
Facebook
分享链接
摘要
时变工况下行星齿轮箱故障特征频率随时间变化,常规的统计特征通常难以有效地表征非平稳信号的时变特性,人工识别故障特征较为困难。针对上述问题,提出基于双对抗编码的智能故障诊断模型。先获取样本信号的时频图,揭示信号频率随时间变化规律;构建编码与解码网络,并用编码器的输入与解码器的输出对判别器1进行对抗训练,确保重构信号与原始信号服从相同分布,从而提取有效的时频图特征;此外,构建高斯混合分布,并根据类别信息从对应分布进行采样,判别器2用于使提取的特征服从给定的高斯混合分布,从而实现通过控制混合分布来强化不同类别特征间的差异性。最后,用强化的特征训练Softmax分类器,并识别测试样本故障类别。方法经行星齿轮箱实验数据进行了验证,研究表明,模型通过对抗机制使重构信号服从与原始信号相同的分布,同时通过高斯混合分布对隐变量进行控制,提高了特征聚类性能,有效诊断了齿轮故障,与其他方法相比表现出一定的优越性。
- 单位
