噪声与振动控制

噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (4): 103-109.

• 信号处理与故障诊断 • 上一篇    下一篇

STFT结合2D CNN-SVM的齿轮箱故障诊断方法

谢锋云1, 2，汪淦1, 2，王玲岚1, 2，李刚1，朱海燕1，谢三毛1, 2   

  1. （ 1. 华东交通大学机电与车辆工程学院，南昌330013；
    2. 华东交通大学智能交通装备全寿命技术创新中心，南昌330013 ）
  • 收稿日期:2022-12-02 修回日期:2023-04-28 出版日期:2024-08-18 发布日期:2024-08-16

Fault Diagnosis Method of Gearbox Based on STFT and 2DCNN-SVM

  • Received:2022-12-02 Revised:2023-04-28 Online:2024-08-18 Published:2024-08-16

PDF

摘要： 为提高齿轮箱故障诊断的有效性和故障识别的准确率，提出一种基于短时傅里叶变换（Short-term Fouriertransform,STFT）、二维卷积神经网络（Two-dimensional Convolutional Neural Network，2D CNN）和支持向量机（SupportVector Machine，SVM）相结合的齿轮箱故障识别方法。搭建JZQ250 型定轴齿轮箱实验平台，利用加速度传感器获得齿轮箱振动信号，并对振动信号进行短时傅里叶变换得到二维时频图，然后将时频图输入到2D CNN中进行特征信息提取，通过2D CNN前向传播和反向传播对不同类别故障时频图信息进行训练，建立不同类别特征之间更深层次的联系，通过训练集和验证集loss 曲线、准确率曲线和t-SNE可视化（t-Distributed Stochastic Neighbor Embedding，t-SNE）多种方法来反映模型训练程度，最后由SVM对故障类型进行识别。通过将所提出的方法与FFT-2D CNN、1D CNN-SVM和2D CNN-SVM对齿轮箱故障识别结果进行对比，本方法故障识别准确率最高，达到97.94 %，且提出的方法具有很好的鲁棒性。

关键词: 故障诊断, 齿轮箱, 短时傅里叶变换, 二维卷积神经网络, 支持向量机