1  引言 齒輪箱振動(dòng)信號(hào)中包括大量的故障特征信息，通過(guò)分析齒輪箱振動(dòng)信號(hào)的時(shí)域特征和頻譜特征，可有效地識(shí)別齒輪箱的故障類型然而，由于齒輪箱惡劣復(fù)雜的運(yùn)行環(huán)境造成振動(dòng)信號(hào)本身也具有高度的復(fù)雜性和多變性，尤其提取到的振動(dòng)信號(hào)含有大 量的噪聲干擾，導(dǎo)致最終提取到的特征參數(shù)很大程度上存在關(guān)聯(lián)性及冗雜性，進(jìn)而降低各特征參數(shù)對(duì)故障類型的反映能力，影響最終的診斷精確性[1]。 一維殘差網(wǎng)絡(luò)(1 Dimensional Residual Network, 1D-ResNet)的故障診斷算法具有許多優(yōu)點(diǎn)，其中包括對(duì)時(shí)間序列數(shù)據(jù)和信號(hào)處理[登陸后可查看全文]