论文部分内容阅读
滚动轴承作为机械设备中最易发生故障的部件之一,其工作状态直接影响着整台设备的性能及生产效率,会造成经济损失,甚至是灾难性的后果。所以,对滚动轴承进行故障诊断是保障现代机械设备安全稳定运行必不可少的。鉴于此,本文提出了一种基于深度学习的滚动轴承故障诊断方法。针对传统LeNet-5网络在滚动轴承故障诊断中存在识别准确率不高、收敛速度慢和泛化能力不强等问题,提出了一种基于改进2D LeNet-5网络的滚动轴承故障诊断方法。首先,对传统LeNet-5网络进行改进,合理设计了卷积层和池化层并仔细调整卷积核的大