一种基于时频统计特征融合与CNN的行星齿轮箱故障诊断方法

本发明提供一种基于时频统计特征融合与CNN的行星齿轮箱故障诊断方法，包括：基于预训练的最优故障诊断模型，对待诊断行星齿轮箱进行故障诊断；预训练步骤包括：采集行星齿轮箱在不同状态下的振动加速度信号；从振动加速度信号中截取出样本；提取样本的时域统计特征及频域统计特征；将时域统计特征与频域统计特征进行拼接，获得时频统计特征样本；将时频统计特征样本划分成训练集、验证集及测试集；基于训练集，训练CNN网络模型；基于验证集，从训练后的CNN网络模型中确定最优故障诊断模型；基于测试集，综合评估训练及调试后的CNN网络模型。通过使用多源传感器数据，有效克服单一传感器信息的局限性，并提高诊断系统的泛化性。