基于1D-CNN的齿轮3D振动信号故障诊断方法

摘要

为了解决从齿轮一维振动信号提取故障特征不全面的问题,提出一种基于一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的齿轮3D振动信号故障诊断新方法。首先,提取原始三维振动信号各维的时域特征;其次,利用一维卷积神经网络(1D-CNN)模型进行特征选择;最后,将选择后的特征进行重组,重组特征作为1D-CNN故障诊断模型的输入实现故障分类操作。结果表明,利用提出的故障诊断方法,诊断准确率显著提高。模型的结构简单,训练速度快,能够快速实现故障诊断。