基于CWT和CooAtten-Resnet的弧齿锥齿轮箱故障诊断方法研究

来源：电子测量技术杂志2023年第3期北京时间：

作者：张旭，许昕，潘宏侠，徐轟钊，原涛涛，王同

单位：1.中北大学机械工程学院 太原 030051; 2.中北大学系统辨识与诊断技术研究所 太原 030051

摘要：提出一种基于连续小波变换(CWT)和坐标注意机制残差网络(CooAtten-Resnet)的弧齿锥齿轮箱智能故障诊断方法。首先将振动信号重叠采样获得大量信号样本，将这些样本通过连续小波变换将振动信号转化为时频图，并以此构建不同故障下的时频数据集，同时通过人为添加噪声样本以验证噪声对此类诊断方法的影响；然后将时频图数据集用于CooAtten-Resnet训练；最后对故障进行分类并输出诊断结果。结果表明，该方法可以准确的识别弧齿锥齿轮箱故障，无人为添加噪声的情况诊断准确率可达100%，添加噪声后在无降噪处理的情况下准确率仍在93%以上。相较于其他方法，该方法的准确率更高，抗噪能力更强，网络收敛速度更快，诊断结果更稳定。

关键词：小波时频图;弧齿锥齿轮;智能故障诊断;残差网络;注意力机制;坐标注意力机制残差网络