文献类型：期刊文章

作　　者：高云端[1] 田野[1] 朱永波[1] 李贺[2] 张进杰[2]

Gao Yunduan;Tian Ye;Zhu Yongbo;Li He;Zhang Jinjie(Beijing Great Wall Aviation Measurement and Control Technology Research Institute,Aviation Industry Corporation of China,Beijing 100176,China;Beijing Key Laboratory of Health Monitoring and Self-Recovery for High-End Mechanical Equipment,Beijing University of Chemical Technology,Beijing 100029,China)

机构地区：[1]中国航空工业集团公司北京长城航空测控技术研究所,北京100176 [2]北京化工大学高端机械装备健康监控与自愈化北京市重点实验室,北京100029

出　　处：《机械传动》

基　　金：航空科学基金项目(ASFC-201834S9002);重庆市技术创新与应用发展专项面上项目(cstc2020jscxmsxm0411)。

年　　份：2023

卷　　号：47

期　　号：3

起止页码：105-112

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：在齿轮故障诊断领域中,对齿轮早期磨损故障实现有效诊断具有重要意义。然而,早期磨损故障特征弱,诊断难度大。针对该问题,提出了一种基于稀疏注意力机制的齿轮早期磨损故障诊断模型,采用一种新的稀疏注意力机制结合卷积神经网络,改进传统分段序列注意力机制,实现了具体故障频率定位。应用齿轮箱故障模拟实验数据进行测试验证,相比其他诊断方法,所提方法能够在同等样本条件与计算代价下,实现更为准确全面的诊断,降低分析成本,获得敏感故障特征频率,为齿轮维护提供数据支撑。

关 键 词：齿轮磨损 故障诊断 卷积神经网络 注意力机制  

分 类 号：TP277] TH132.41]