基于JS-VME-DBN和MS-UMAP的行星齿轮箱故障诊断方法

作     者：戚晓利 程主梓 崔创创 杨艳 QI Xiaoli;CHENG Zhuzi;CUI Chuangchuang;YANG Yan

作者机构：安徽工业大学机械工程学院安徽马鞍山243032 

出 版 物：《航空动力学报》 (Journal of Aerospace Power)

年 卷 期：2024年第39卷第3期

页      面：231-243页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 082502[工学-航空宇航推进理论与工程] 080202[工学-机械电子工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 

基　　金：安徽省自然科学基金(1808085ME152) 

主　　题：故障诊断 行星齿轮箱 变分模态提取(VME) 深度置信网络(DBN) 均匀流行逼近与投影算法(UMAP) 核极限学习机(KELM) 

摘      要：为了解决行星齿轮箱振动信号存在噪声干扰和特征提取困难的问题,提出一种基于水母搜索优化变分模态提取(JS-VME)、深度置信网络(DBN)和监督型马氏距离的均匀流形逼近与投影算法(MSUMAP)的行星齿轮箱故障诊断方法。采集行星齿轮箱的振动信号,利用JS-VME对其进行预处理,获得相关性较强的期望IMF(intrinsic mode function)分量;然后将该IMF分量应用DBN提取特征向量,构建高维故障特征集;采用MS-UMAP进行维数约减,获得低维、敏感的故障特征;将低维故障特征集应用水母搜索优化核极限学习机(JS-KELM)判别故障类型。行星齿轮箱故障诊断实验结果表明:与UMAP、t-SNE、Isomap、LPP、WIsomap、LLE、LTSA和MDS等方法相比,MS-UMAP算法对JS-VME-DBN的特征提取结果有着最佳的降维效果,所提方法对行星齿轮箱的裂纹、磨损和缺齿等故障的识别率达到了100%,具有一定的有效性。