基于神经网络模型的齿轮箱故障检测方法、装置及设备

本公开涉及基于神经网络的故障检测的技术领域，公开了一种基于神经网络模型的齿轮箱故障检测方法、装置及设备，包括：样本振动信号进行小波变换生成时频图像，经灰度化与归一化得正常及原始故障样本；利用扩散模型增强原始故障样本，生成合成样本；基于多高斯核函数计算分布差异，并提取深层特征，评估合成样本质量，合格则用于训练，否则重新生成；构建包含正常、原始与合成样本的训练数据集，训练初始残差网络获得目标模型；对目标齿轮箱振动信号进行相同预处理后输入模型，实现故障类型检测。以上方法解决了齿轮箱故障诊断中的数据不平衡、特征提取困难和诊断精度不足问题，提升了模型的故障识别准确率。