基于数据融合的滚动轴承故障诊断方法

滚动轴承的精准故障诊断能够确保其工作性能,避免突发故障导致设备失效停工而影响工业生产进度。深度学习有其处理数据的优越性,数据融合能很好的结合不同算例从而得出全面且准确的分析决策,为此,提出一种基于数据融合的故障诊断方法,通过卷积神经网络和长短时记忆网络分别训练诊断模型,之后通过D-S证据理论融合两次训练的结果,综合得出诊断结果。通过CRWU数据进行实验验证,结果显示该方法的诊断准确率高达99.67%,证明其有用性。