融合CNN與CSSVM的滾動軸承故障診斷方法

打開文本圖片集

摘 要：針對傳統(tǒng)故障診斷分類方法在旋轉機械滾動軸承故障診斷中存在分類準確率不高、模型泛化能力弱的問題，提出一種基于信號處理技術結合深度學習算法的智能故障診斷模型。首先，按照一定比例重復劃分原數據集實現數據擴充；其次，應用連續(xù)小波變換方法將擴充后的軸承振動信號轉換成二維小波時頻圖；然后，采用改進后的卷積神經網絡模型對劃分后的二維圖像集進行訓練提取時頻圖像的深層特征；最后，將提取的特征向量輸入到布谷鳥算法優(yōu)化參數后的支持向量機分類層中，實現滾動軸承的故障分類。（剩余12818字）