融合CNN與CSSVM的滾動(dòng)軸承故障診斷方法

打開文本圖片集

摘 要：針對(duì)傳統(tǒng)故障診斷分類方法在旋轉(zhuǎn)機(jī)械滾動(dòng)軸承故障診斷中存在分類準(zhǔn)確率不高、模型泛化能力弱的問題，提出一種基于信號(hào)處理技術(shù)結(jié)合深度學(xué)習(xí)算法的智能故障診斷模型。首先，按照一定比例重復(fù)劃分原數(shù)據(jù)集實(shí)現(xiàn)數(shù)據(jù)擴(kuò)充；其次，應(yīng)用連續(xù)小波變換方法將擴(kuò)充后的軸承振動(dòng)信號(hào)轉(zhuǎn)換成二維小波時(shí)頻圖；然后，采用改進(jìn)后的卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)劃分后的二維圖像集進(jìn)行訓(xùn)練提取時(shí)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(shù)后的支持向量機(jī)分類層中，實(shí)現(xiàn)滾動(dòng)軸承的故障分類。（剩余12818字）