摘要详情

ID / 提交时间

192 / 2025-06-13 16:58:59

标题

Crane Gearbox Fault Diagnosis Method Based on RepLKNet-BiGRU

关键字

crane gearbox,fault diagnosis,multimodal,RepLKNet,BiGRU,global attention

主题及专题

4、System Monitoring, Fault Diagnosis and Prediction

状态

全文录用

作者

Yunlong Li / Beijing Materials Handling Research Institute CO.；Department of Industrial Engineering, Tsinghua University

秀丽汤 / 北京起重运输机械设计研究院有限公司

Junping Pan / Beijing Materials Handling Research Institute Co. Ltd.

Wusheng Liu / Beijing Materials Handling Research Institute Co. Ltd.

Yuefeng Huang / Beijing Materials Handling Research Institute Co. Ltd.

Zhinong LI / Nanchang Hangkong University

摘要

为解决起重机齿轮箱在复杂运行条件下易失效的问题，克服传统特征提取技术的局限性，提出了一种融合基于图像和一维振动信号模态的多模态故障诊断框架。在他提出的方法中，使用 Gramian angular field 方法将原始振动信号转换为二维表示。然后通过图像数据的重新参数化大型核卷积网络（RepLKNet）和通过时间序列数据的全局注意力机制增强的双向门控循环单元（BiGRU）网络进行特征提取。 RepLKNet 有助于从图像模态中提取丰富的空间表示，而 BiGRU 架构支持双向时间建模，全局关注强调关键时间间隔内的突出动态模式。随后在特征级别融合多模态特征，并通过全连接层，然后是 Softmax 分类器进行最终故障分类。实验评估表明，所提出的模型在一系列代表性的变速箱故障场景中表现出卓越的分类准确性和鲁棒性，优于单峰基线并显示出强大的泛化能力。