热能动力工程

作者：申强,田昊,薛睿超,刘壮,曲立伟

单位：中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,

关键词：齿轮箱;故障诊断;斑马优化算法;变分模态分解;特征增强

针对齿轮箱在复杂工况下因强噪声干扰和弱差异特征导致的故障诊断难题，提出一种融合自适应变分模态分解（Variational Mode Decomposition ,VMD）与辅助分类生成对抗网络（Auxiliary Classifier GAN ,ACGAN）的故障诊断前处理方法。首先通过斑马优化算法（Zebra Optimization Algorithm ,ZOA）动态优化 VMD 的惩罚参数和模态数 K，结合自相关函数筛选有效固有模态函数（IMF）并利用小波降噪进行二次处理，实现振动信号的自适应降噪；其次引入辅助分类生成对抗网络（ACGAN）对同类故障不同程度的弱差异信号进行特征增强，通过生成器与判别器的对抗训练，扩大特征空间差异；最后以齿轮齿条机构为研究对象，设计含正常、轻微断齿、中等断齿、严重断齿 4 种状态的振动模拟试验对诊断方法进行验证。结果表明:自适应 VMD 降噪后信号信噪比（SNR）从- 8.8483提升至2.828，均方根误差（RMSE）降低62.2%；ACGAN 特征增强弱差异信号的时频图中故障频率成分显著凸显。该方法突破了强噪声环境下齿轮箱弱差异特征的识别瓶颈，为齿轮箱传动系统的精准故障诊断提供了工程化解决方案。

来源：2026年第4期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2026年第4期