基于NGO-VMD和改进GoogLeNet的齿轮箱故障诊断方法

来源：机床与液压杂志2024年第12期北京时间：

作者：李俊卿，刘若尧，何玉灵

单位：华北电力大学电力工程系；华北电力大学电力工程系；华北电力大学机械工程系

摘要：目前的齿轮箱故障诊断方法，在多转速工况及噪声干扰下，存在过拟合及诊断效果不佳的问题。针对此问题，提出一种北方苍鹰（NGO）算法优化变分模态分解（VMD）结合改进GoogLeNet的齿轮箱故障诊断方法。使用NGO对VMD进行参数寻优，利用优化后的VMD去除故障信号中的噪声；对原始GoogLeNet的结构进行合理删减，并利用延迟丢弃法、可训练的ReLU函数（TReLU）对其改进；最后，将去噪后的故障信号转换为二维图作为改进GoogLeNet的输入数据进行网络的训练及分类，得到故障诊断结果。实验结果表明：与其他降噪方法相比，NGO-VMD方法的降噪效果明显，能显著提高故障诊断的准确率；与常见的卷积神经网络相比，提出的改进GoogLeNet能进一步提高故障诊断的准确率，达到了97.2%。

关键词：变分模态分解(VMD);北方苍鹰优化(NGO)算法;改进GoogLeNet;齿轮箱故障诊断

基金资助：国家自然科学基金面上项目（52177042）