一种基于CNN和FCMC的滚动轴承智能故障诊断方法

摘要

本发明公开了一种基于CNN和FCMC的滚动轴承智能故障诊断方法，克服现有技术的滚动轴承震动信号具有非平稳性、非线性和特征提取困难的问题，首先利用构建的卷积神经网络模型对原始振动信号进行特征提取，并通过主成分分析法对提取出的特征进行降维，然后将已知故障样本的特征输入模糊C均值聚类模型，对模糊C均值聚类模型进行训练，最后根据训练好的模糊C均值聚类模型，对待测故障样本进行故障识别，从而实现对滚动轴承的故障诊断。本发明通过将卷积神经网络和模糊C均值聚类算法进行结合，既发挥出了卷积神经网络在特征提取方面的优势，也弥补了传统硬性聚类算法对故障类别无法进行有效划分的不足，并能够有效且准确的实现滚动轴承的故障检测。