基本信息

---

下载

文档摘要

---

摘要

轴承是支撑机械设备转动的关键部件，其故障诊断对保证机械安全运行十分重

要。目前，基于深度学习的故障诊断方法可以对轴承故障特征自动挖掘和提取，进

而实现故障分类。但由于轴承的工作状态、运行环境和承载任务不同，导致每类轴

承故障状态数据样本数量差异较大，如何分别在样本数量平衡和样本数量非平衡两

种情况下提升轴承故障诊断效果成为研究热点。本文以数据是否平衡为切入点进行

研究，具体研究内容如下：

（1）在样本数量平衡的情况下，传统端到端的诊断方法大多将原始振动信号作

为诊断数据，利用时域信息进