齿轮箱故障边缘智能诊断方法及应用研究

作     者：吴启航 丁晓喜 何清波 黄文彬 Wu Qihang;Ding Xiaoxi;He Qingbo;Huang Wenbin

作者机构：重庆大学机械与运载工程学院重庆400044 重庆大学高端装备机械传动全国重点实验室重庆400044 上海交通大学机械系统与振动全国重点实验室上海200240 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2024年第45卷第1期

页      面：70-80页

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金项目重点项目(52035002)资助 

主　　题：齿轮故障诊断 边缘计算 乘法-卷积 深度学习 嵌入式系统 

摘      要：针对齿轮箱运行状态监测数据量大而数据价值密度低导致的数据传输和存储困难、受到带宽影响导致的故障辨识实时性差以及大而深的深度学习模型难以有效部署至边缘端硬件等问题,本文提出了一种基于乘法-卷积网络(MCN)的齿轮箱故障边缘智能诊断方法。首先,综合考虑信号滤波在特征表征以及深度学习在特征提取的优势,设计了一种轻量化的MCN模型,同时在嵌入式微处理器搭建了一套端侧边缘智能处理原型与系统。该系统可以直接部署于齿轮箱边缘,通过云服务器训练和更新MCN模型参数并部署至边缘端,于边缘端完成数据采集、处理和故障状态辨识等功能,将大量传感器数据直接消耗在边缘端。实验结果显示MCN具有99.75%的平均识别精度,且部署MCN的齿轮箱故障边缘智能诊断系统可以在0.696 s内准确识别出故障状态。