基于NGO-VMD和改进GoogLeNet的齿轮箱故障诊断方法.pdf

２０２４年６月Ｊｕｎ２０２４

第５２卷第１２期Ｖｏｌ５２Ｎｏ１２

－

ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１３８８１２０２４１２０２８

－

文献引用：李俊卿，刘若尧，何玉灵．基于ＮＧＯＶＭＤ和改进ＧｏｏｇＬｅＮｅｔ的齿轮箱故障诊断方法［Ｊ］．机床与液压，２０２４，５２

－

（１２）：１９３２０１．

－

Ｃｉｔｅａｓ：ＬＩＪｕｎｑｉｎｇ，ＬＩＵＲｕｏｙａｏ，ＨＥＹｕｌｉｎｇ．ＧｅａｒｂｏｘｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄｏｎＮＧＯＶＭＤａｎｄｉｍｐｒｏｖｅｄＧｏｏｇＬｅＮｅｔ［Ｊ］．

－

ＭａｃｈｉｎｅＴｏｏｌ＆Ｈｙｄｒａｕｌｉｃｓ，２０２４，５２（１２）：１９３２０１．

－

基于ＮＧＯＶＭＤ和改进ＧｏｏｇＬｅＮｅｔ的齿轮箱故障诊断方法

１１２

李俊卿，刘若尧，何玉灵

（１华北电力大学电力工程系，河北保定０７１００３；２华北电力大学机械工程系，河北保定０７１００３）

摘要：目前的齿轮箱故障诊断方法，在多转速工况及噪声干扰下，存在过拟合及诊断效果不佳的问题。针对此问题，

提出一种北方苍鹰（ＮＧＯ）算法优化变分模态分解（ＶＭＤ）结合改进ＧｏｏｇＬｅＮｅｔ的齿轮箱故障诊断方法。使用ＮＧＯ对

ＶＭＤ进行参数寻优，利用优化后的ＶＭＤ去除故障信号中的噪声；对原始ＧｏｏｇＬｅＮｅｔ的结构进行合理删减，并利用延迟丢

弃法、可训练的ＲｅＬＵ函数（ＴＲｅＬＵ）对其改进；最后，将去噪后的故障信号转换为二维图作为改进ＧｏｏｇＬｅＮｅｔ的输入数据

－

进行网络的训练及分类，得到故障诊断结果。实验结果表明：与其他降噪方法相比，ＮＧＯＶＭＤ方法的降噪效果明显，能

显著提高故障诊断的准确率；与常见的卷积神经网络相比，提出的改进ＧｏｏｇＬｅＮｅｔ能进一步提高故障诊断的准确率，达到

了９７２％。

关键词：变分模态分解（ＶＭＤ）；北方苍鹰优化（ＮＧＯ）算法；改进ＧｏｏｇＬｅＮｅｔ；齿轮箱故障诊断

中图分类号：ＴＰ２７７

－

ＧｅａｒｂｏｘＦａｕｌｔＤｉａｇｎｏｓｉｓＭｅｔｈｏｄＢａｓｅｄｏｎＮＧＯＶＭＤａｎｄＩｍｐｒｏｖｅｄＧｏｏｇＬｅＮｅｔ

１１２

ＬＩＪｕｎｑｉｎｇ，ＬＩＵＲｕｏｙａｏ，ＨＥＹｕｌｉｎｇ

（１．ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ，ＢａｏｄｉｎｇＨｅｂｅｉ０７１００３，Ｃｈｉｎａ；

２．ＤｅｐａｒｔｍｅｎｔｏｆＭｅｃｈａｎ