摘要:軸承是機械設備主要零部件之一,也是機械設備主要故障零部件之一。軸承故障問(wèn)題為機械設備的重點(diǎn),機械設備的使用受到故障軸承的直接影響。針對傳統的卷積神經(jīng)網(wǎng)絡(luò )算法軸承故障診斷效率低下問(wèn)題,本文提出了一種基于信號特征提取和卷積神經(jīng)網(wǎng)絡(luò )的優(yōu)化方法。首先對原始數據信號進(jìn)行時(shí)域和頻域的信號特征提取,獲得有效的故障特征值。之后,使用卷積神經(jīng)網(wǎng)絡(luò )對提取的特征值進(jìn)行故障診斷,完成故障分類(lèi)。本文使用美國凱斯西儲大學(xué)的滾動(dòng)軸承振動(dòng)加速度信號作為數據集,對提出的方法進(jìn)行驗證,得到的故障診斷平均準確率為74.37%,準確率的方差為0.0001;傳統的卷積神經(jīng)網(wǎng)絡(luò )算法故障診斷平均準確率為65.6%;準確率的方差為0.0019。實(shí)驗結果表明,相比傳統的卷積神經(jīng)網(wǎng)絡(luò ),提出的方法對軸承故障診斷的準確率有顯著(zhù)的提高,并且該方法的穩定性更佳,計算時(shí)間更少,綜合性能更佳。