高美真，高烨童

（1.焦作师范高等专科学校信息工程学院，河南焦作 454000；2.西安理工大学计算机与信息工程学院，陕西西安 710061）

随着自动控制技术的快速发展，工业物联网也获得了广泛应用，可以高效收集大量的设备运行故障，通过传统故障分析方法已无法实现及时处理这种大数据故障信息［1-4］。行星齿轮可以通过设计特定的结构来适应不同的工况条件，目前该齿轮已成为机械动力系统的一个重要组成部件，对控制设备稳定运行发挥了关键作用。通过分析齿轮运行期间的信号变化特征，可以发现存在多种不同形式的变化特性［5-7］。其中深度学习方法因具备数据自我迭代处理的效果，对多种复杂数据都能够达到快速准确提取的效果，成为大数据处理领域的一项重要应用技术，已被用于语音信号处理、图像分析等领域［8-10］。

相关方面的研究吸引了很多学者。王惠中等［10］则根据长短时记忆神经网络（long short-time memory，Bi-LSTM）方法在时间序列提取的独特优势，综合运用LTSM与softmax分类器方法对各类故障信号进行诊断分析，同时设计了相应的仿真实验，对该方法的有效性进行验证。国内学者胡茑庆等［11］开展了智能诊断方面的研究工作，利用经验模态分解方法对度数据进行处理，再通过深度卷积神经网达到诊断的要求，测定行星齿轮泵齿的振动信号并验证了该方法实际诊断效果。Hsueh等［12］综合运用经验小波变换与卷积神经网络（convolutional neural networks，CNN）相结合的方式进行故障诊断，同时利用该方法验证了感应电动机的运行故障信号分析情况。……