仪器仪表学报

作者：朱朋，邓蕾，汤宝平，张小龙，刘永刚

单位：朱朋,重庆大学高端装备机械传动全国重点实验室重庆400044,,邓蕾,重庆大学高端装备机械传动全国重点实验室重庆400044,denglei@cqu.edu.cn,汤宝平,重庆大学高端装备机械传动全国重点实验室重庆400044,,张小龙,重庆大学高端装备机械传动全国重点实验室重庆400044,,刘永刚,重庆大学高端装备机械传动全国重点实验室重庆400044,

关键词：数字孪生;小波注意力网络;联合子域自适应;数据稀缺;齿轮箱故障诊断

基金：国家自然科学基金创新研究群体（T2421001）、国家自然科学基金（52275087）、山西省创新生态服务支撑专项-创新平台基地建设专项（202404010911010Z）、高端装备机械传动全国重点实验室自主研究课题（SKLMT-ZZK-2024Z07）项目资助

针对仿真数据驱动的故障诊断方法存在动力学模型响应与实测数据分布差异较大、模型泛化性差的问题，提出了一种数字孪生驱动小波注意力迁移网络的齿轮箱故障诊断方法。首先，基于集中参数法建立了齿轮传动系统虚拟模型，实现物理实体的映射，并采用实测正常数据对虚拟模型中关键敏感参数进行优化修正，进而融合齿轮故障失效机理模型生成丰富的孪生故障数据集。其次，设计了离散小波注意力特征提取网络模型，该模型的设计融合了离散小波变换的多尺度信号分解和通道注意力机制动态聚焦强相关故障特征的特点，能在小波域层面上有效地提取孪生数据与实测数据的域不变故障特征。然后，考虑了孪生与实测数据的边缘分布及条件分布差异，结合最大均值差异和动态局部最大均值差异提出了联合子域自适应准则，匹配孪生与实测数据的联合分布差异，实现齿轮箱孪生模型向真实物理实体的迁移故障诊断。最后，在多级平行齿轮箱实验台上对所提方法进行试验验证，试验结果表明：所提方法在所有迁移任务下均获得了较优的诊断结果，平均分类精度可达98.10%，能够在含标签的高质量故障数据稀缺条件下有效地实现孪生数据向实测数据的迁移故障诊断。

来源：2025年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第10期