一种风机齿轮箱故障智能诊断方法

风机齿轮箱的故障诊断主要取决于运维工程师的工作经验和信号分析能力,本文针对该问题提出了一种新的风机齿轮箱故障智能诊断方法。首先,通过格拉姆角场(Gramian Angular Difference Field,GADF)将少量齿轮箱振动信号进行维度变换,得到其二维可视化图像。其次,搭建并增强深度卷积神经网络模型,即IConvNeXt模型。最后,将小样本的齿轮箱可视化图像数据作为IConvNeXt的输入进行模型训练,实现齿轮箱故障特征自适应提取与识别。公开数据集验证结果表明,本文方法对齿轮箱的故障识别效果显著。