一种基于奇异值分解和卷积神经网络的齿轮裂纹程度识别方法

本发明涉及旋转机械故障诊断领域，具体是一种基于奇异值分解和卷积神经网络的齿轮裂纹程度识别方法,包括以下步骤：S1、采集目标齿轮振动信号；S2、奇异值分解；S3、周期调制强度计算；S4、奇异分量筛选与信号重构；S5、制作数据集；S6、搭建卷积神经网络模型；S7、训练卷积神经网络模型；S8、上线应用。本发明所述方法通过使用奇异值分解方法结合周期调制强度计算，实现对齿轮振动信号中裂纹诱导的脉冲分量的提取，助力卷积神经网络提取齿轮裂纹特征，提高卷积神经网络对裂纹程度的识别精度，同时提高模型训练效率。