基于SCAE-ACGAN的直升机行星齿轮裂纹故障诊断

摘要：

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难.针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法.ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练.ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定.ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力.将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性.

关键词：直升机、行星齿轮箱、裂纹、故障诊断、堆栈收缩自动编码器、辅助分类生成式对抗网络

所属期刊栏目：41

分类号：TH165+.3;V214.3+3;TP206

资助基金：航空科学基金KY-52-2018-0024

在线出版日期：2021-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：495-502