一种不平衡数据集下的螺旋锥齿轮智能故障诊断方法

本发明涉及一种不平衡数据集下的螺旋锥齿轮智能故障诊断方法，包括以下步骤：收集螺旋锥齿轮不同健康状态运行振动信号，构建数据集；基于数据增强算法构建增强数据集，融合最大池化和平均池化操作改进深度自编码器，基于无监督学习，完成样本的特性预训练；采用预训练完成的编码器模块处理不平衡训练数据集，将数据样本映射至非线性特征空间；基于全连接层构建分类器模型对训练数据集的特征表示进行再训练，采用分段可调节的平衡因子构建损失函数；在验证集基础上引入独立测试数据集进行性能评估。解决了目前螺旋锥齿轮智能故障诊断方法难以保证有效故障信息的提取，从而导致诊断性能下降的问题，实现了更高的诊断精度，展示出良好的鲁泛化性。