一种基于小波变换和迁移学习GoogLeNet的机械旋转部件故障诊断方法

摘要

本发明公开了一种基于小波变换和迁移学习GoogLeNet的机械旋转部件故障诊断方法，属于故障诊断技术领域。所述故障诊断方法包括以下步骤：S100采集机械旋转部件在已知各种故障下的振动信号，形成数据集A；S200将数据集A中的振动数据经小波变换处理，构建小波变换时频图数据集B，并将数据集按8:1:1的比例随机划分为训练集、验证集和测试集；S300基于数据集B的训练集和验证集，构建迁移学习GoogLeNet故障分类模型；S400使用迁移学习GoogLeNet故障分类模型对小波变换时频图数据集B的测试集数据进行诊断分类，得到机械旋转部件的故障分类结果。本发明能较好地提升了机械旋转部件故障诊断准确率。