基于INGO-CSA-LSTMN的变转速齿轮故障智能识别方法

来源：动力工程学报杂志2025年第6期北京时间：

作者：陈向民, 李博, 张亢, 姚鹏, 李泳辉, 雷瀚霖,

摘要：为提高齿轮在变转速工况下的故障识别效率和准确率,提出了一种基于改进北方苍鹰优化(improved northern goshawk optimization,INGO)算法优化卷积自注意力长短期记忆网络(convolutional self-attention long short-term memory network,CSA-LSTMN)的变转速齿轮故障智能识别方法,即INGO-CSA-LSTMN。针对传统北方苍鹰优化算法训练时间过长和容易陷入局部最优的问题,引入正弦脉冲调制混沌映射和随机莱维飞行策略,提出一种INGO算法,并将其应用于所构建的CSA-LSTMN模型的关键参数寻优,以提高该模型的稳定性及训练效率。通过测试函数的检验表明:INGO算法具有更快的收敛速度,可更准确地找到最优解。通过2种不同试验台齿轮数据集的分析表明:相较于其他常用网络模型,INGO-CSA-LSTMN模型对于不同工况下的齿轮故障具有更高的识别精度,准确率均在99.9%以上。

关键词：变转速工况,齿轮,北方苍鹰优化算法,卷积自注意力长短期记忆网,智能诊断,