改进时序灰度图和深度学习的齿轮箱故障诊断

来源：计算机工程与应用杂志2024年第13期北京时间：

作者：谢锋云, 李刚, 王玲岚, 刘慧, 汪淦

单位：华东交通大学 机电与车辆工程学院，南昌 330013

摘要：针对齿轮箱实际工作环境复杂、传统方法提取特征以及灰度图提取特征性能不足，提出了一种基于改进时序灰度图和深度学习的齿轮箱故障诊断方法。用EEMD（ensemble empirical mode decomposition）将振动信号分解为若干个本征模态分量（IMF）后，通过累计均值准则将IMFs划分为高频和低频分量，其中高频分量采用小波阈值降噪进行处理；重构降噪后的高频IMFs与低频IMFs，并利用灰度图方法对重构信号进行编码。将二维改进时序灰度图送入卷积神经网络进行训练，以发挥卷积网络对图片特征提取优势，并由混淆矩阵显示结果。最后将模型结果和不同灰度图与传统诊断方法进行对比。结果表明：相对于普通灰度图、全局去噪灰度图，所提方法对齿轮箱故障诊断准确率分别提高4、1.8个百分点，且收敛速度明显加快；相对于BP神经网络以及ELM诊断方法，所提方法对齿轮箱故障诊断准确率显著提高。

关键词：集合经验模态分解,故障诊断,改进时序灰度图,深度学习