[发明专利]一种基于特征融合和混类增强进行深度学习滚动轴承故障诊断方法

摘要

本发明公开了一种基于特征融合和混类增强进行深度学习滚动轴承故障诊断方法，本方法在深度学习的基础上加入了特征工程，综合考虑了原始信号的时域特征、频域特征、工况特征和时间差分特征，将这些特征与原始信号融合成新的一维信号并转换为二维图像的格式，通过混类增强以线性插值的方式构造虚拟样本和标签，利用二维卷积神经网络强大的特征提取能力，输入到ResNet18网络中进行训练。该方法全面考虑了原始数据的潜在特征，并对数据的分布进行了扰动，提高了模型的泛化能力。该方法不仅提高了滚动轴承故障诊断的精度，还具有良好的域适应性，适合多种工况下的故障诊断。