一种齿轮箱故障检测方法、系统、计算机设备及存储介质

本发明提供了一种齿轮箱故障检测方法、系统、计算机设备及存储介质，属于机械故障诊断领域，该方法包括：将卷积神经网络CNN中的标准卷积函数替换为可分离卷积函数，并将改进后的CNN网络与门控循环单元GRU网络连接，构成双向门控卷积神经BiGated‑CNN网络，将BiGated‑CNN网络和基于残差阈值的自适应强化学习网络连接，构成自适应双向门控卷积神经网络模型DSC‑BiGRU；以多个不同的历史工况样本为输入，训练多个自适应双向门控卷积神经网络模型，输出当前运行环境中齿轮箱工况健康状态数据。该机制使得系统可以不断适应新的数据特征，并自我调整和优化，显著提高故障检测的准确度和系统的整体性能，通过分工况建模，独立调整更具针对性，显著提升模型对特定场景的适应能力。