融合卷积深度置信网络与可拓神经网络的齿轮故障诊断方法

来源：计算机集成制造系统杂志2025年第6期北京时间：

作者：王体春, 夏天, 费叶琦

单位：1.南京航空航天大学机电学院2.南京理工大学紫金学院智能制造学院

摘要：针对齿轮传感器在单通道状态监测中的信息量和可信度不足、噪声干扰及变工况下数据分布差异等问题,提出一种融合增强卷积深度置信网络与自适应加权可拓网络的齿轮箱故障诊断方法。采用压缩感知算法重构收集到的多通道振动数据;通过引入软池化层优化的膨胀卷积深度置信网络进行特征提取,并采用注意力机制技术加权融合多通道特征;利用侧距优化的加权可拓神经网络完成齿轮故障分类。最后,通过公开数据集进行验证和对比分析表明,该模型相比卷积神经网络模型、深度置信网络模型、高斯卷积深度置信网络模型等具有更高的识别精度,在噪声干扰和变工况条件下具有良好的故障诊断性能。

关键词：深度学习,卷积深度置信网络,可拓神经网络,故障诊断

基金资助：直升机动力学全国重点实验室基金资助项目(2023-HA-LB-067-073);江苏省自然科学基金(面上)资助项目(BK20221481);国家自然科学基金(面上)资助项目(51775272)。