基于连续小波变换和无模型元学习的小样本汽车行星齿轮箱故障诊断 |
| |
引用本文: | 卢欣欣,马骏,张英聪.基于连续小波变换和无模型元学习的小样本汽车行星齿轮箱故障诊断[J].机械传动,2022(9):159-164+176. |
| |
作者姓名: | 卢欣欣 马骏 张英聪 |
| |
作者单位: | 1. 江苏工程职业技术学院航空与交通工程学院;2. 江苏省智能网联汽车工程技术研究开发中心 |
| |
基金项目: | 江苏省科学技术项目(BK20161289);;江苏省高等学校自然科学研究面上项目(20KJB416004);;江苏省高等教育教改课题(2021JSJG036); |
| |
摘 要: | 针对行星齿轮箱振动信号具有较强的非平稳特性、故障样本少以及传统深度学习对数据依赖性的问题,提出了一种基于连续小波变换(Continuous wavelet transform,CWT)和无模型元学习(Model agnostic meta learning,MAML)的小样本行星齿轮箱故障诊断方法。通过CWT将行星齿轮箱振动信号转换为时频图像,有效地表达行星齿轮箱非平稳性特征;利用MAML“学会学习”的能力训练小样本的时频图像,对“未见过”的行星齿轮箱故障类型进行测试。通过对不同样本数量、跨工况条件和不同噪声环境下的行星齿轮箱进行故障诊断实验,结果表明,该方法相比于其他方法具有更高的识别精度、泛化性和鲁棒性。
|
关 键 词: | 行星齿轮箱 连续小波变换 无模型元学习 小样本学习 故障诊断 |
|