基于GADF-CNN-SSA-XGBoost的齿轮箱故障诊断

首先，利用格拉姆角场差(GADF)时频分辨率高、可以深度反映时间序列内在结构和关系的特点，对采集到的一维故障数据信号转为二维图像，得到图像后并将图像进行降维处理；然后，将第一步得到的格拉姆角场差图像输入二维卷积神经网络(CNN)进行自适应故障特征提取；最后，取CNN的全连接层结果作为极限梯度提升树XGBoost分类器的输入，并采用麻雀优化算法SSA对极限梯度提升树XGBoost分类器的参数进行优化，以提高模型泛化能力，避免模型陷入局部最优

附赠常春藤优化算法IVY和鹈鹕优化算法POA

ID:72600