基于Vgg16+BLSTM组合模型的机床齿轮箱故障诊断研究

作     者：徐江莉 康家林 姚传安 XU Jiangli;KANG Jialin;YAO Chuanan

作者机构：郑州城市职业学院电子信息工程学院郑州452370 河南科技大学应用工程学院河南三门峡472000 河南农业大学机电学院郑州450002 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2025年第41卷第1期

页      面：368-371页

学科分类：080704[工学-流体机械及工程] 08[工学] 080401[工学-精密仪器及机械] 0807[工学-动力工程及工程热物理] 0804[工学-仪器科学与技术] 

基　　金：河南省高等学校重点科研项目(23B510012) 

主　　题：齿轮箱 故障诊断 双向长短时记忆神经网络 交叉融合注意力 

摘      要：齿轮箱的运行受到周围环境影响很大,带来了很大的故障诊断的难度。为了进一步提高齿轮箱的故障诊断精度,设计了一种基于Vgg16+双向长短时记忆神经网络(BLSTM)组合模型的机床齿轮箱故障诊断方法。基于多模态信息融合方法,从时空与时序维度上挖掘重要信息,构建了多模态跨注意信息的多模态信息融合方法,有效提升变速箱故障信息的可信度与稳定性。研究结果表明:所提方法的预测精度为92.73%,预测准确率为91.86%,召回率为91.04%,F1为92.39%,表现出了较强的综合性能。空间和时序融合后能够提高单维度的测试精度,达到99%以上,证明了该方法的可行性,能够在单个工作状态下获得优异预报效果,适用于分析多种情况下的复杂运行状态。该研究有助于提高齿轮箱的运行稳定性,也可拓宽到其它的机械传动领域。