《机械工程学报》第五届高影响力论文系列报道（三）|学术|编辑部|论文|齿轮箱

《机械工程学报》、《Chinese Journal of Mechanical Engineering》是由中国科学技术协会主管、中国机械工程学会主办的中国机械工程领域的顶级学术刊物，主要报道机械工程领域及其交叉学科具有创新性的基础理论研究、工程技术应用的优秀科研成果，两刊均已成为国内外机械工程领域具有高影响力的学术期刊。

科学的未来在青年。在我国从“制造大国”向“制造强国”迈进之时，青年科技工作者是科技创新的生力军。《机械工程学报》编辑部JME学院旨在团结青年、凝聚青年、服务青年，构建平等、宽松、自由的学术交流平台。

高影响力论文评选活动由中国机械工程学会、两刊编委会、董事会以及编辑部JME学院共同组织策划，旨在评选出创新性强、学术影响力高、关注度广的优秀论文，并予以奖励优秀论文的作者。

论文题目：

论文作者：胡茑庆，陈徽鹏，程哲，张伦，张宇

作者代表：胡茑庆

单位：国防科技大学

个人简介：胡茑庆，国防科技大学教授/博士生导师，长期从事机械动力学与信号处理、健康监测与诊断、预测与健康管理等方向的教研工作。中国振动工程学会故障诊断专委会副理事长。2007年度“中国青年五四奖章”获得者

摘要：

行星齿轮箱振动信号具有非平稳特性，需要一定的先验知识和诊断专业知识设计和解释特征从而实现故障诊断。为了实现行星齿轮箱的智能诊断，提出一种基于经验模态分解（Empirical mode decomposition，EMD）和深度卷积神经网络（Deepconvolutional neural network，DCNN）的智能故障诊断方法。首先对振动信号进行经验模态分解得到内禀模式函数（Intrinsicmode function，IMF）；然后利用DCNN融合特征信息明显的IMF分量，并自动提取特征；最后，将特征用于分类器分类识别，从而实现行星齿轮箱故障诊断的自动化。试验结果表明：该方法能准确、有效地对行星齿轮箱的工作状态和故障类型进行分类。

资助项目：

本论文研究过程中受国家自然科学基金(51475463，51775550)及部委级预研项目支持，后续研究工作受国家重大研发计划项目(2018YFB1702401)资助。

创新点：

针对振动信号非平稳性且噪声污染严重的问题，提出一种基于经验模态分解和深度卷积神经网络的故障诊断方法，实现了自适应处理和智能化故障诊断。通过试验数据测试，该方法优于SVM和BPNN等传统方法，相比当时先进的方法WDCNN，准确率更高且诊断结果稳定性更好。

引用本文：

胡茑庆, 陈徽鹏, 程哲, 张伦, 张宇. 基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法[J]. 机械工程学报, 2019, 55(7): 9-18.

编辑：李娜校对：金程

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。