噪声与振动控制 ›› 2025, Vol. 45 ›› Issue (6): 162-168.

• 信号处理与故障诊断 • 上一篇    下一篇

一种多特征融合的WSA-MLP齿轮箱故障诊断方法

易怀胜1,李少义1, 2,陈汉新1,章立恒1,王耕1,刘雨昊1   

  1. ( 1. 武汉工程大学机电工程学院,武汉430205;
    2. 南昌工学院信息与人工智能学院,南昌330108 )
  • 收稿日期:2024-06-18 修回日期:2024-07-26 出版日期:2025-12-18 发布日期:2025-12-02

A Multi-Feature Fusion Method for WSA-MLP Gearbox Fault Diagnosis

  • Received:2024-06-18 Revised:2024-07-26 Online:2025-12-18 Published:2025-12-02

摘要: 为解决齿轮箱故障诊断传统研究中样本特征不充分、高维数据处理困难以及故障诊断精度不够等问题,提出一种融合齿轮箱故障信号多特征信息与波搜索算法(Wave Search Algorithm,WSA)优化的多层感知机(Multi-Layer Perceptron,MLP)模型。首先融合提取故障信号的时域、频域特征,以及通过小波包分解后的时频域特征,然后对融合后的特征信息经过主成分分析法(Principal Components Analysis,PCA)降维,再将降维后的特征信息与时域、频域和时频域单独进行特征提取方法相比较。最后为提高MLP模型的性能,运用WSA对MLP模型的权重和偏置项进行参数优化,建立基于多特征融合的WSA-MLP 齿轮箱故障诊断方法。与MLP、粒子群优化算法(Particle Swarm Optimization,PSO)-MLP模型相比较,WSA-MLP模型的故障诊断精度最高,且模型复杂度没有明显提升。

关键词: 故障诊断, 齿轮箱, 多特征融合, PCA降维, 多层感知机, 波搜索算法