论文部分内容阅读
滚动轴承是旋转设备的主要部件,对滚动轴承进行故障诊断可以保证其可靠运行。在实际应用中,滚动轴承大部分时间处在正常状态下,采集到正常状态的样本数目远大于故障状态,从而出现采集各状态数据不平衡的现象。然而出现频率低、样本数相对较少的故障类型样本才是轴承故障诊断中的研究重点,因此如何在数据不平衡的情况下对各类故障实现准确诊断也具有重要的研究意义。基于深度学习的智能诊断技术为解决该问题提供了有力的支持,此外,特征融合通过从不同角度提取信号中的有用信息,使得融合后的特征更全面且更具代表性,从而提高诊断精度。但