采煤机摇臂截割部行星齿轮的健康状态直接影响截割效率。针对采煤机截割煤岩过程中受多重冲击引起的强噪声干扰、齿轮结构复杂且传递路径多变导致故障特征难以提取等特点，提出了一种基于频谱平均降噪和相关谱的采煤机行星齿轮故障诊断方法。根据信号频谱分布特征及噪声随机特性，采用频谱平均降噪方法抑制噪声对信号频谱的干扰，获得信号降噪频谱。构建相关谱以建立少样本降噪频谱和多样本降噪频谱的内在联系，减少频谱平均降噪对样本数量的需求。采用一维卷积神经网络（1D CNN）建立相关谱与故障类别之间的精确映射关系，以相关谱为输入、故障类别为输出，实现行星齿轮故障分类识别。在DDS传动系统故障诊断实验台对基于频谱平均降噪和相关谱的采煤机行星齿轮故障诊断方法进行实验验证，结果表明该方法能够增强表征故障特征的关键频率，对正常、断齿、磨损、缺齿和裂纹5种行星齿轮健康状态信号的整体识别率达96%，在信噪比不低于15 dB时可有效、准确地实现齿轮故障诊断。

0 引言
1 轴承故障诊断方法原理
1.1频谱平均降噪
1.2 相关谱构建
1.3 1D CNN搭建
1.4 故障诊断流程
2 实验数据采集
3 实验结果分析
4 结论