基于Gabor小波神经网络的齿轮箱故障识别方法

本发明公开了基于Gabor小波神经网络的齿轮箱故障识别方法，包括：将齿轮箱振动信号输入小波神经网络，生成Gabor小波，将Gabor小波转化为小波核；采用双通道复数滤波机制同步提取小波核的实部分量与虚部分量，结合能量归一化策略对小波核进行归一化操作；在小波神经网络的各层中，通过前向传播进行时频特征提取，通过反向传播对小波核进行迭代优化，输出各层时频特征提取的复数特征图；将复数特征图输入卷积神经网络进行高级抽象特征提取，得到齿轮箱的故障诊断结果。本发明将小波变换端到端嵌入深度网络，实现对输入信号时频特性的自适应建模，能够自适应地精确匹配齿轮箱的各类故障特征，显著提升时频分析的分辨率和准确性。