论文部分内容阅读
针对传统观光车轴承旋转零件检测与诊断中存在的诊断精度差、诊断效率低下、人工依赖过多、费时费力等问题,提出一种基于深度学习方法的观光车轴承故障诊断方法,该方法充分利用卷积神经网络(Convolutional Neural Networks,CNN)对于图像数据的强大处理能力,实现对轴承的故障诊断。首先,将轴承的1D原始信号进行归一化处理后制作为2D灰度图作为整个网络的输入;其次,构建Le Net-5诊断模型,并引入Dropout机制用以提升模型精度;最后,将数据集划分为训练集和测试集,用以实现对模型的