基于WATD-MTF与改进的残差网络齿轮箱故障诊断研究

来源：振动与冲击杂志2025年第7期北京时间：

作者：沈景涛，武哲wuzhe@hebust，张强，崔彦平，曹亚超

单位：1.河北科技大学机械工程学院，石家庄050018；2.中国北方车辆研究所坦克传动国防重点实验室，北京100072

摘要：针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题，提出一种小波自适应阈值降噪(Wavelet Adaptive Threshold Denoise，WATD)结合马尔可夫转移场(Markov Transition Field，MTF)与改进的残差网络齿轮箱故障诊断方法。在ResNet18模型的基础上融合了SKNet注意力网络，构成了SK-ResNet18模型，来提高ResNet18模型对重要特征的提取能力。利用小波自适应阈值降噪算法对一维信号进行去噪，将去噪后的一维信号生成包含时序信息的MTF二维特征图，并输入到改进后的网络中进行特征提取，最终利用网络全连接层实现对故障种类的精确识别。利用东南大学齿轮故障数据集和QPZZ-II实验台采集的齿轮故障数据对该方法进行实验验证，结果表明：该方法能有效识别故障类型，相比其它智能算法，该方法在数据降噪后与不同工况下均表现出较高的优越性和可泛化性能。所提方法可为实际工业的齿轮箱故障诊断任务提供一定的参考价值。<br>

关键词：故障诊断；SKNet注意力网络；小波自适应阈值降噪；马尔可夫转移场；残差网络