一种基于多尺度粗粒化卷积神经网络的齿轮故障诊断方法

本申请涉及一种基于多尺度粗粒化卷积神经网络的齿轮故障诊断方法。所述方法包括：获取原始振动数据并进行预处理；基于卷积神经网络构建多尺度粗粒化卷积神经网络故障诊断模型，模型包括改进多尺度粗粒化层、多尺度特征学习层、分类层；将预处理之后的原始振动数据输入所述多尺度粗粒化卷积神经网络故障诊断模型中，进行模型训练；将待诊断数据进行预处理之后，输入到训练好的多尺度粗粒化卷积神经网络故障诊断模型中，输出齿轮故障诊断结果。通过多尺度级联架构设计，引入改进的多尺度粗粒化层，能够在多个时间尺度上有效地学习信号特征，直接从原始振动信号中自动提取多尺度特征并完成故障分类，提高了分类精度，显著减少了人工干预的需求。