来源：期刊VIP网 时间：
作者：顾辉;邵星;王翠香;皋军;
单位：盐城工学院信息工程学院;盐城工学院机械工程学院;
摘要：针对滚动轴承振动信号非线性、样本量少、传统机器学习诊断算法需要专家经验等问题，提出了一种卷积深度森林（Convolutional Deep Forest,CDF）的故障诊断方法。首先对一维振动信号进行归一化和转图片预处理，接着利用卷积神经网络对图片训练，完成端到端的特征提取，然后使用级联森林对特征进行分析并分类，最后在轴承数据集上验证了CDF的有效性。试验结果表明，CDF针对4种负载下的大小样本数据均能取得较高的准确率，基于二维信号转图片的卷积神经网络和CDF的准确率均高于一维，证明了基于信号转图片数据预处理操作的有效性。
关键词：故障诊断;;滚动轴承;;深度森林;;卷积神经网络
基金资助：国家自然科学基金项目（61502411,62076215）;; 教育部新一代信息技术创新项目（2020ITA02057）;; 江苏省研究生科研与实践创新计划项目（SJCX22＿XZ035,SJCX22＿XY061）资助~~
