基于CEEMDAN自适应小波降噪与卷积神经网络的齿轮箱故障诊断研究

来源：机床与液压杂志2022年第24期北京时间：

作者：蔡超志，白金鑫，池耀磊，张仲杭

单位：河北工程大学机械与装备工程学院；河北工程大学机械与装备工程学院；河北工程大学机械与装备工程学院；河北工程大学机械与装备工程学院

摘要：噪声情况下精确地对齿轮箱进行故障诊断是齿轮箱故障诊断的难题。为了解决该难题，采取自适应小波对自适应噪声完全集合经验模态分解（CEEMDAN）分量进行分解降噪与重组，并提出卷积神经网络(CNN)结合Inception模块的一维卷积神经网络(BICNN)提取重构信号的基本数字特征，同时使用长短期记忆提取BICNN所提取到的特征之间的相关性特征，对齿轮箱进行故障诊断研究。诊断结果表明：所提出的方法具有较高的抗噪声能力，并且齿轮箱在受到-4 dB噪声干扰的情况下，所提出的方法仍然可以获得99.63%的训练精度。

关键词：自适应小波分解与重构;自适应噪声完全集合经验模态分解;卷积神经网络;长短期记忆;抗噪声能力;齿轮箱故障诊断

基金资助：河北省自然科学基金项目(E2020402060)