摘要
本发明提供一种齿轮箱的工作状态的实时监控方法及装置,涉及齿轮箱测试技术领域。本发明通过小波变化整合得到时域和频域等尺度空间的所有特征信息,之后在人工智能模型的训练过程中采用注意力机制和软阈值化等方式,对时域信息和频域信息进行特征筛选,实现去噪,得到与故障类型相关的关键特征,并基于关键特征和故障类型进行训练得到人工智能模型,基于如此得到的人工智能模型对齿轮箱进行实时监控,可以有效减弱振动信号中噪声,减弱噪声对齿轮箱故障预测的影响,提高形性一体化齿轮箱故障诊断的准确性和可靠性。
技术关键词
一体化齿轮箱
人工智能模型
滑动时间窗口
故障检测
深度残差
卷积神经网络模块
监控方法
神经网络训练
齿轮系统
小波变换处理
应力分析模型
图像
卷积神经网络模型
齿轮箱故障
注意力参数
工况参数
齿轮箱测试技术
注意力机制
信号