一种基于物理信息神经网络的齿轮箱故障诊断方法

本发明公开了一种基于物理信息神经网络的齿轮箱故障诊断方法。首先，在齿轮箱中布置振动信号采集系统，获取振动和角速度信号，建立有标签的实测数据集，并通过建立齿轮动力学模型，得到有标签的仿真数据集。然后，利用实测和仿真数据集训练长短期记忆网络(LSTM)构成的物理信息神经网络，以振动和角速度信号为输入，输出时变啮合刚度曲线。接着，将啮合刚度曲线数据提取特征，形成故障分类训练集，并利用该数据集训练支持向量机(SVM)模型。最终，将实际采集的振动数据输入物理信息神经网络和SVM模型，实现齿轮箱故障的准确诊断。