基于卷积神经网络的端到端低速重载轴承故障诊断方法

针对低速重载轴承故障信号微弱、背景噪声大造成的故障特征提取困难、诊断结果准确度不高且难以量化评估问题,提出了一种基于卷积神经网络的端到端故障诊断方法。首先,构建一维卷积深度神经网络模型,对低速重载轴承振动信息进行自适应故障特征提取,克服了传统方法对人工经验的依赖;然后,对比研究了该方法与小波阈值降噪、集合经验模态分解数据降噪后进行诊断识别的精度,证明了方法在低速重载轴承故障诊断领域的优越性,并进一步挖掘了可能原因;最后,构建诊断结果评价指标,通过混淆矩阵实现对诊断结果的量化评估。实验结果表明:基于卷积神经网络的端到端故障诊断方法具有明显的可行性与优越性,对低速重载轴承故障诊断具有明显的工程价值。