采用1DRCAE算法的齿轮箱故障智能诊断及敏感性分析

摘要

为了提高齿轮箱故障状态智能诊断效率,选择一维残差卷积自动编码器(one dimensional residual convolution autoencoder,1DRCAE)构建了故障诊断模型,并开展实测研究。研究结果表明:采用编码器重构处理信号形成了明显特征,实现了消除噪声影响的效果,1DRCAE实现将原始振动信号噪音充分去除的效果,提取得到关键故障特征,都实现了优异识别效果。在1DRCAE中加入残差学习以及卷积运算后获得了更优特征提取效果,改善故障诊断效果,相对其它典型识别器表现出更高识别率。设置残差后,编码器重构误差快速减小,同时选代后误差相对没有设置残差的编码器误差更小。提高卷积核宽度有助于更快提取出一维信号关键特征,将第一层卷积层的宽度设定在64时属于一个最优的条件。