周振玉，黄立冬，徐攀峰*

(1.中冶南方工程技术有限公司 电气自动化设计所，湖北 武汉430223；2.辽宁大学 物理学院，辽宁 沈阳110036)

0 引言

随着工业技术的发展，工业对安全性和可靠性的要求越来越高，因此有效的故障诊断技术变得越来越重要.现如今应用于齿轮箱故障诊断技术越来越成熟，不同的诊断方式都对齿轮箱的故障都起到了一定的诊断效果[1].发展至今，齿轮箱的故障诊断技术主要分为两类，包括数学模型法和神经网络法.对于数学模型法而言，大多数皆为使用数学分析方法对机械振动信号进行分析，从振动信号中提取特征向量，进而诊断出机械的故障所在[2-3].对于神经网络的方法来说，主要是利用机械振动特征数据对信号进行集成，进而将故障信号进行分类，从而识别出机械故障[4].这两种方式为故障诊断领域的发展奠定了基础，保障了工业机械的安全性和可靠性.

目前，这两种方式都有各自的优势和弊端.数学模型分析法主要是针对机械本身的固有信号进行分析，由于各自分析法的不同而导致计算量的不同，这种方式的成本较低，便于开展和实际操作，对参数不敏感[5-6].但是这种方式的诊断准确率较低，经常会受到温度、湿度、地理位置等外界因素影响，而导致采集的机械振动信号失真，从而降低故障诊断率[6-7].相对来说，神经网络模型的诊断正确率就大大提高，这种方法运用不同网络层来对机械信号进行处理，从信号……