振动与冲击2021，Vol.40Issue(20) ：158-167.DOI:10.13465/j.cnki.jvs.2021.20.020

基于双对抗编码的时变工况下行星齿轮箱智能故障诊断

Intelligent fault diagnosis of planetary gearboxes under time-varying condition based on bilateral adversarial encoder

赵川 冯志鹏 张颖琳 王坤
振动与冲击2021，Vol.40Issue(20) ：158-167.DOI:10.13465/j.cnki.jvs.2021.20.020
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于双对抗编码的时变工况下行星齿轮箱智能故障诊断

Intelligent fault diagnosis of planetary gearboxes under time-varying condition based on bilateral adversarial encoder

赵川 1冯志鹏 2张颖琳 3王坤4
扫码查看

作者信息

  • 1. 北华航天工业学院机电工程学院,河北廊坊065000;北京科技大学机械工程学院,北京100083
  • 2. 北京科技大学机械工程学院,北京100083
  • 3. 北华航天工业学院机电工程学院,河北廊坊065000;北京航空航天大学机械工程及自动化学院,北京100191
  • 4. 北华航天工业学院机电工程学院,河北廊坊065000;哈尔滨工业大学航天学院,哈尔滨150001
  • 折叠

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.

关键词

行星齿轮箱/智能故障诊断/高斯混合分布/双对抗编码/时变工况

引用本文复制引用

基金项目

NCIAE博士科研启动基金(BKY-2018-05)

国家自然科学基金(51875034)

出版年

2021
振动与冲击
中国振动工程学会 上海交通大学 上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心
影响因子：0.898
ISSN：1000-3835
被引量2
参考文献量1
段落导航相关论文