%0 Journal Article
%A 朱丹宸1
%A 张永祥1
%A 潘洋洋2
%A 朱群伟1
%T 基于多传感器信号和卷积神经网络的滚动轴承故障诊断
%D 2020
%R 
%J 振动与冲击
%P 172-178
%V 39
%N 4
%X 针对滚动轴承故障信号非平稳非线性且易受背景噪声干扰的特点，结合深度学习的优势，提出了一种基于卷积神经网络（CNN）的滚动轴承故障诊断法。将不同故障下多个传感器测得的1维（1D）振动信号转化为2维（2D）灰度图像作为网络输入，并将其分为训练集和测试集；将训练集输入卷积神经网络进行训练，自动提取其中的特征；测试集被用于验证学习完毕的网络的有效性，实现滚动轴承故障识别。该方法不依赖于人为经验和信号处理技术进行预先的信号特征提取，实验数据分析表明，相比于经典的支持向量机和概率神经网络方法，提出的方法识别准确率更高且更稳定。
%U https://jvs.sjtu.edu.cn/CN/abstract/article_9259.shtml