基于多模态集成卷积神经网络的数控机床齿轮箱故障诊断 |
| |
引用本文: | 姜广君,杨永吉,王赜.基于多模态集成卷积神经网络的数控机床齿轮箱故障诊断[J].机床与液压,2024,52(8):202-207. |
| |
作者姓名: | 姜广君 杨永吉 王赜 |
| |
作者单位: | 内蒙古工业大学机械工程学院;内蒙古自治区先进制造技术重点实验室 |
| |
基金项目: | 国家自然科学基金地区科学基金项目(51965051;71761030);内蒙古自治区关键技术攻关计划(2021GG0346;2019LH07003) |
| |
摘 要: | 针对数控机床齿轮箱在实际工作环境中负载多变且噪声干扰大、传统神经网络难以充分提取信号中的故障特征等问题,提出一种多模态集成卷积神经网络(MECNN)用于数控机床齿轮箱故障诊断。该方法将多模态融合技术与多个卷积神经网络结合,利用快速傅里叶变换方法将时域信号转换成频域信号;利用时域信号和频域信号对2个卷积神经网络进行训练,使模型能够分别从时域和频域2个角度提取特征,再将浅层特征融合;最后,将融合后的特征输入到卷积神经网络中进行故障特征的深度挖掘,并进行故障诊断。使用东南大学的齿轮箱数据集进行验证,设计了2种特征融合的方法并进行了对比。实验结果表明:在噪声下,MECNN模型用于故障诊断的准确性和鲁棒性均优于单一的时域CNN和频域CNN。
|
关 键 词: | 数控机床齿轮箱 故障诊断 多模态学习 卷积神经网络 |
|
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |