声振信号融合的堆垛机故障诊断

来源：计算机工程与应用杂志2025年第24期北京时间：

作者：谢雷, 孟文, 孟祥印, 李杨, 李世初

单位：1.西南交通大学 机械工程学院，成都 610031；2.西南交通大学 智慧城市与智能交通研究所，成都 610031

摘要：工业堆垛机的传动部件故障信号不明显，特征识别效率低，且传统网络模型参数量大，限制了故障诊断的效率与精度。针对上述问题提出一种声振信号融合的堆垛机故障诊断方法。针对不同信号特征的有效提取与优化问题，提出变分模态分解（variational mode decomposition，VMD）和改进格拉姆角差场（improved Gramian angular difference field，IGADF）特征工程方法，对信号进行降噪、低频模态重构、优化的图像编码处理。设计多模态特征融合网络，融合八种模态的图像特征，以丰富的模态信息提升模型决策准确性和鲁棒性。针对传统诊断模型的效率与精度问题。对ResNet34网络改进第二卷积层和激活函数，加入注意力机制并调整残差块数量，使其更适用于数据集，降低网络参数量和计算复杂度。实验结果表明，改进方法在自采集数据集和公开数据集MFPT上的准确率分别达98.5%和98.1%，在参数量较低的条件下展现出优异的故障诊断性能和良好的泛化能力。

关键词：堆垛机故障诊断,声振信号融合,改进格拉姆角差场,多模态特征融合,改进ResNet34