基于一维卷积神经网络的轴承故障诊断方法研究

轴承故障诊断为机械故障诊断领域的研究热点,传统轴承故障诊断方法需要在特征选择的基础上实现信号特征提取,这类方法诊断效率低,且诊断效果依赖于特征参数的选择。因此,为了提高滚动轴承故障诊断效率和准确度,考虑到一维卷积神经网络具有端到端的特点,文章提出一种基于一维卷积神经网络(1DCNN)的滚动轴承故障诊断方法。利用CWRU轴承数据集对方法的性能进行验证,实验结果表明在相同负载条件下的故障诊断准确度为99.59%以上,且该方法在变负载条件下具有强的诊断鲁棒性。