一种基于WOA-VMD和CNN的齿轮箱故障诊断方法

本发明公开了属于机械装备易损零部件故障诊断技术领域的一种基于WOA‑VMD和CNN的齿轮箱故障诊断方法。具体包括：对行星齿轮箱不同故障类别的原始振动信号进行分解与重构，得到降噪后的信号；将降噪后的每个一维齿轮箱振动时序信号段转换为对应的格拉姆矩阵，再将标准化后的格拉姆矩阵转换为灰度图像，形成RGB三通道的行星齿轮箱故障图像样本集；建立CNN故障诊断基本模型，选取学习率初始值、神经元丢弃率，设置优化算法、模型损失函数、学习率更新函数；形成批层归一化，并应用在网络全局；将训练集输入模型中进行优化训练，并检验训练好的网络模型的故障分类效果。本发明提高了模型泛化能力，使故障诊断模型拥有更高的故障识别精度和收敛速度。