基于加权子域自适应对抗网络的齿轮箱变工况故障诊断

• Published in: 机械强度 Vol. 47; no. 3; pp. 96 - 103
• Main Authors: 张慧云, 左芳君, 余熹, 杨婷
• Format: Journal Article
• Language: Chinese
• Published: 成都工业学院 智能制造学院,成都 610031%四川大学 机械工程学院,成都 610065 2025
• Subjects: Fault diagnosis; 故障诊断; 域自适应; Domain adaptation; Data fusion; 齿轮箱; 数据融合; Gearbox; 不同工况; Variable operating condition
• ISSN: 1001-9669
• DOI: 10.16579/j.issn.1001.9669.2025.03.012

TH165+.3%TP18; 实际工程中齿轮箱受复杂多变的运行环境影响,导致单一振动信号难以准确有效地表征齿轮箱在不同工况下的故障信息.为此,提出了一种基于加权子域自适应对抗网络的齿轮箱变工况故障诊断方法.首先,采用多源异构信号融合策略,将振动信号时频图、电流信号格拉姆矩阵和红外热力图转换为多通道数据集,从不同视角描述齿轮箱运行状态;其次,构建嵌入高效通道注意力机制(Efficient Channel Attention,ECA)的自校正卷积神经网络(Self-calibrated Convolutions Network,SCNet)作为特征提取器,动态调整多源异构信号间相互作用和依赖关系,平衡源域和目标域的多源异构数据间尺度差异;再次,在特征提取器和域判别器进行对抗训练的同时,引入最大均值差异(Maximum Mean Discrepancy,MMD)和线性判别分析(Linear Discriminant Analysis,LDA)衡量当前跨域任务特征表示的域对齐程度及诊断任务决策边界,并构造动态平衡因子实时调整域对齐损失和类分辨性损失,有效地对齐源域和目标域每个类空间.最后,通过采集的齿轮箱变工况故障数据集进行验证.结果表明,所提方法在不同工况的诊断精度均达到95%以上,证明了所提方法的可行性和有效性.