肖湘平，陈立立，高 波

（荆州市巨鲸传动机械有限公司，湖北荆州 434000）

0 引言

齿轮箱是现代工业生产制造中的一个重要部件，齿轮箱大量应用在矿山、冶金、煤炭、电力、建材及军工等行业中。但是由于齿轮箱结构紧凑和运行工况的复杂性，并且齿轮箱通常是使用在高速重载的环境中，因此齿轮箱中的零部件极易因为疲劳失效而导致局部失效，使得设备无法正常运行。齿轮箱中齿轮故障占总故障的60%，因此对于齿轮的振动监测和故障诊断很有必要[1-2]。

当前，齿轮箱齿轮的振动监测依赖于专业技术人员进行，这种方式的人工成本、时间成本高，并且随着振动监测技术的发展，监测的齿轮箱越来越多，采集的数据量也越来越大，人工成本、时间成本也因此越来越高。在传统的齿轮箱齿轮的诊断中，主要是通过收集齿轮箱关键部位的振动信号，然后对振动信号进行时域分析和频域分析，实现对齿轮箱齿轮状态的监测，但是在监测过程中对于信号的处理、识别、分析以及诊断结果的准确性十分依靠专业人员的个人能力。因此提出了一种基于特征频段的诊断深度神经网络，在传统的神经网络训练过程中往往需要大量的样本去训练，但是通常在诊断早期是十分缺少样本的，因此结合现有的齿轮诊断理论以及专业人员的经验，具体的是利用现有数据进行频谱与包络谱分析，然后提取相应的故障频段与无故障频段。这样，少量信号数据便可以提取足够数量的频段数据用以训练神经网络。……