来源：期刊VIP网 时间：
作者：徐江莉;康家林;姚传安;
单位：郑州城市职业学院电子信息工程学院;河南科技大学应用工程学院;河南农业大学机电学院;
摘要：齿轮箱的运行受到周围环境影响很大，带来了很大的故障诊断的难度。为了进一步提高齿轮箱的故障诊断精度，设计了一种基于Vgg16+双向长短时记忆神经网络(BLSTM)组合模型的机床齿轮箱故障诊断方法。基于多模态信息融合方法，从时空与时序维度上挖掘重要信息，构建了多模态跨注意信息的多模态信息融合方法，有效提升变速箱故障信息的可信度与稳定性。研究结果表明：所提方法的预测精度为92.73%,预测准确率为91.86%,召回率为91.04%,F1为92.39%,表现出了较强的综合性能。空间和时序融合后能够提高单维度的测试精度，达到99%以上，证明了该方法的可行性，能够在单个工作状态下获得优异预报效果，适用于分析多种情况下的复杂运行状态。该研究有助于提高齿轮箱的运行稳定性，也可拓宽到其它的机械传动领域。
关键词：齿轮箱;;故障诊断;;双向长短时记忆神经网络;;交叉融合注意力
基金资助：河南省高等学校重点科研项目(23B510012)
