基于SANC和一维卷积神经网络的齿轮箱轴承故障诊断

基于SANC和一维卷积神经网络的齿轮箱轴承故障诊断基于SANC和一维卷积神经网络的齿轮箱轴承故障诊断摘要：齿轮箱轴承故障是导致齿轮系统运行不稳定的主要原因之一。因此，对齿轮箱轴承故障进行准确快速的诊断

SANC 基于和一维卷积神经网络的齿轮箱轴承故障 诊断 基于SANC和一维卷积神经网络的齿轮箱轴承故障诊断 摘要： 齿轮箱轴承故障是导致齿轮系统运行不稳定的主要原因之一。因 此，对齿轮箱轴承故障进行准确快速的诊断具有重要意义。本文基于 SANC（SingularSpectrumAnalysiswithNonlinearCorrelation）和 一维卷积神经网络（1D-CNN）提出了一种新的齿轮箱轴承故障诊断方 法，该方法能够有效提取故障特征，并实现高准确率的故障诊断。 1.引言 齿轮箱是重要的传动装置，在工业生产中有广泛的应用。齿轮箱轴 承作为齿轮系统的核心部件，其正常运行对整个齿轮系统的稳定性和可 靠性具有重要的影响。因此，齿轮箱轴承故障的及时检测和准确诊断对 于确保齿轮系统的正常运行和避免不必要的停机损失非常重要。 2.相关工作 传统的齿轮箱轴承故障诊断方法主要基于振动信号分析，并结合频 域分析和时域分析来提取故障特征。然而，此类方法在处理非线性和非 平稳信号时存在着一定的局限性。因此，近年来，随着机器学习和深度 学习算法的发展，基于机器学习和深度学习的故障诊断方法逐渐成为研 究的热点。 3.方法 本文提出的齿轮箱轴承故障诊断方法主要分为两个步骤：SANC特 征提取和1D-CNN故障诊断。 3.1SANC特征提取