基于AlexNet和ELM的轴承故障诊断

针对现有基于深度学习的轴承故障诊断模型训练速度较慢的问题,本文提出了一种基于AlexNet和极限学习机(ELM)的轴承故障诊断方法。首先,使用连续小波变换(CWT)将一维原始振动信号转换为二维时频图像。其次,使用预训练网络AlexNet对得到的时频图像进行特征提取。最终,将提取到的深层特征用于训练ELM,从而完成故障诊断。使用凯斯西储大学(CWRU)轴承数据中心数据集对该方法加以验证,结果表明,该方法在保证诊断准确率的前提下,获得了较快的训练速度,证明了该方法在机械部件的故障诊断中的有效性。