基于1D-CNN的齿轮3D振动信号故障诊断方法

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。