来源：期刊VIP网 时间：
作者：李震球;
单位：杭州萧山技师学院;
摘要：近年来对轴承诊断方法的研究表明，大多数方法都是将特征提取和故障识别相结合。但是，这些方法对专业知识有较高的要求，同时需要花费大量的时间开发诊断算法，且算法的性能会受到工况变化、噪声等因素的影响。为了解决上述问题，这里提出了一种信号的预处理方法，可以将一维振动信号转为二维灰度图，以及自适应的抗噪卷积神经网络（AA-CNN）模型。该模型，无须解析机械设备内在故障机理，并且将特征提取过程与故障分类过程有机结合，实现故障诊断。为了保证结果的通用性，利用公开的轴承数据集对模型进行验证，结果表明：该故障诊断模型的识别准确率保持在99%以上，并且在含噪声的时域信号中也能准确识别出故障种类和程度，有良好的适应性。
关键词：卷积神经网络;;信号到图片的转换;;特征提取;;故障诊断
