本文以机械设备必不可少的轴承组件为研究对象,利用深度学习技术提取的关键性特征来表征原始样本,开展轴承故障诊断的方法和诊断软件的研究工作。本文的工作内容如下:首先,本文搭建轴承实验的仿真平台。该平台包括硬件系统和数据采集软件两部分。硬件系统用于产生轴承的振动信号。数据采集软件使用Lab Windows/CVI工具开发,它用于采集硬件系统产生的轴承振动信号,获取课题研究的数据集。其次,本文结合多粒度策略设计卷积神经网络。利用不同粗细粒度的尺度卷积层充分学习轴承数据,提升网络对样本的提取和表征能力。在前叙策略的基础上,提出基于多粒度卷积神经网络的轴承故障诊断方法。本文以不同数据集作为实验样本,测试所提方法的故障诊断性能。实验结果表明,本文所提方法能较好识别故障,实验结果符合预期。再次,本文结合混沌策略和自适应策略改良麻雀搜索算法。利用混沌策略的伪随机性和自适应策略的非线性加权警戒值,提高麻雀搜索算法全局搜索能力。针对多粒度卷积网络参数确定困难的问题,本文利用改进的麻雀搜索算法自适应搜索故障诊断网络的构建参数。结合该策略,提出了基于麻雀搜索算法的轴承故障诊断方法,该方法使用改进的麻雀搜索算法自适应设置网络的学习率参数和Dropout神经元遗忘参数,避免参数需要人工经验设置的弊端。本文使用实验平台数据集和公开数据集从故障诊断准确性和故障诊断泛化性两方面对所提方法进行测试。实验结果表明,所提方法能较好识别故障。最后,设计了一款轴承故障诊断软件。操作人员只需要使用客户端将需要诊断的轴承数据发送到软件服务器,软件就可以自动完成后续的数据诊断和数据存储功能。操作人员可以使用软件的可视化界面直观查询数据的诊断情况。同时,使用云服务器部署软件的测试环境,并利用实验平台采集的数据集测试软件的相关功能。