一种工业齿轮箱多源信息融合故障诊断方法

摘要

本发明提供一种工业齿轮箱多源信息融合故障诊断方法，提取多组正常及故障状态下的红外图像和振动信号，并进行预处理和尺度划分；打上故障对应的标签，将其构建故障数据样本集，并将其分割为训练集和测试集；通过CNN对训练集的红外图像特征提取，通过CNN‑BILSTM对训练集中的振动信号特征提取，并进行特征层融合；构建分类器，获取该批次的初始预测概率；将预测概率和标签的交叉熵作为损失函数，通过随机梯度下降优化器更新网络参数；共迭代若干次得到训练后的分类器预测概率；通过测试测试集的样本验证模型有效性。本文通过CNN网络实现对红外图像的特征提取，通过CNN与双向LSTM网络实现对振动信号的特征提取，将不同来源的特征进行融合，以提高诊断的准确性。