润滑与密封

作者：郭向阳，王建国，范斌，张超，于航

单位：内蒙古科技大学机械工程学院,,内蒙古科技大学机械工程学院,,内蒙古农业大学机电工程学院,,内蒙古科技大学机械工程学院,,内蒙古科技大学机械工程学院,

关键词：齿轮箱;多维特征;状态监测;粒子群优化算法;长短时记忆神经网络

基金：国家自然科学基金地区科学基金项目（51965054；51865045）；内蒙古自治区自然科学基金面上项目（2021MS05041）；内蒙古农业大学高层次人才科研启动项目（NDYB2019-9）

针对单独从振动特征、油液特征对齿轮箱进行磨损状态监测存在特征维度单一、准确率低的问题，提出基于油液-振动多维特征与粒子群优化算法-长短时记忆神经网络(PSO-LSTM)的齿轮箱磨损状态监测算法。对铁谱图像进行预处理，提取磨粒浓度特征、磨粒个数特征，对振动信号进行小波阈值去噪，并提取时域特征，得到油液振动十四维特征作为LSTM模型的输入；采用粒子群优化算法对LSTM模型进行参数寻优。实验验证：使用油液振动十四维特征的PSO-LSTM模型的识别准确率要优于单独使用振动和油液特征的PSO-LSTM模型，PSO-LSTM模型对于油液振动十四维特征数据的识别准确率全面优于未经优化的LSTM模型。

来源：2023年第12期

《润滑与密封》期刊编辑部

查看润滑与密封杂志2023年第12期