一种基于优选小波基与多维深度特征融合的滚动轴承声发射智能诊断方法

摘要

本发明涉及基于优选小波基与多维深度特征融合的滚动轴承声发射智能故障诊断方法。本发明包括：采集滚动轴承声发射信号，用基于信噪比和布伦纳梯度的质量指标选择连续小波变换的最优小波基；用选择出的最佳小波基做连续小波变换，将一维声发射信号转换为二维时频图；划分训练集、验证集和测试集，定义故障类型；构建多维深度特征融合神经网络模型。滚动轴承声发射信号输入到一维卷积神经网络、时频图输入到二维卷积神经网络，通过特征金字塔结构来对卷积神经网络提取的不同维度和不同深度的特征进行融合；由训练集训练模型，验证集调整模型，并使用测试集检验。本发明有效防止了模型的过拟合，增加了滚动轴承尤其是复合故障诊断的精度。