1.浙大城市学院机械系 杭州,310015;2.故障诊断与健康管理技术航空科技重点实验室 上海,201601
何家波，男，1986年2月生，博士、助理研究员。主要研究方向为复杂设备故障诊断与智能制造。E-mail：jiabohe@zju.edu.cn
V240.2;V232
航空科学基金资助项目（20183333001）；国家自然科学基金资助项目（52372420）；中国博士后基金特别资助项目（2018T110587）；浙大城市学院科研培育基金资助项目（J-202220）
针对直升机附件齿轮箱在有限多工况条件下故障特征提取难度大、识别准确率低等问题，提出一种结合变分模态分解（variational mode decomposition，简称VMD）与多尺度卷积神经网络（multi-scale convolutional neural netwo，简称MCNN）的故障诊断方法。首先，对直升机附件齿轮箱进行地面实验和信号采集，对原始信号进行滤波、降噪等预处理；其次，利用VMD将信号分解为若干个固有模态（intrinsic mode functions，简称IMF），依据齿轮副频率特性对分解模态进行重构与归一化，增强微弱的高频故障特征；最后，将重构信号的每个分量视作不同尺度，经多尺度卷积神经网络进行多尺度特征提取并融合，由指数归一化分类器给出识别的故障类别。实验结果表明，所提方法能够有效增强信号故障特征，挖掘多工况条件下信号的差异性与同一性，在直升机附件齿轮箱振动故障诊断中平均准确率为97.25%。