基于 GASF 与 MSCAM-DenseNet 的小样本齿轮故障诊断方法
发布时间：2025-02-15
点击次数：
- DOI码：
- 10.13196/j.cims.2023.0400
- 发表刊物：
- 计算机集成制造系统
- 关键字：
- 齿轮；小样本故障诊断；格拉姆角和域；二维离散小波变换；多尺度通道注意力机制
- 摘要：
- 针对小样本条件下所得样本不足，特征未能有效提取导致诊断精度下降的问题，提出一种 GASF 与 MSCAM-DenseNet 相结合的小样本齿轮故障诊断方法。首先，运用格拉姆角和域(GASF)将多源振动信号变换为二维特征，采用二维离散小波变换（2D-DWT）重构多源特征。其次，由于一般的密集连接卷积网络（DenseNet）不具备识别多尺度特征的 能力，因而在 DenseNet 中引入多尺度通道注意力机制（MSCAM），提出一种改进网络模型，即 MSCAM-DenseNet。最后，以重构后的 GASF 作为 MSCAM-DenseNet 的输入，待特征识别完成后，由网络分类器完成故障特征分类。采用实验室行星齿轮数据集和东南大学齿轮箱数据集对所提模型验证，并与其他诊断模型进行对比。实验结果证明，所提方法在小样本、变工况条件下具有较高的故障识别准确率，较强的泛化能力和抗噪能力。
- 合写作者：
- 周星宇
- 第一作者：
- 王海涛,张鹏
- 论文类型：
- 期刊论文
- 通讯作者：
- 史丽晨
- 学科门类：
- 工学
- 文献类型：
- J
- 是否译文：
- 否
- 发表时间：
- 2023-01-01
- 收录刊物：
- EI