一种基于噪声增强卷积神经网络的旋转机械故障诊断方法

本发明公开了一种基于噪声增强卷积神经网络的旋转机械故障诊断方法，属于旋转机械故障诊断技术领域，包括如下步骤：S1、采集旋转机械在不同健康状态下运行时的原始振动信号；S2、将采集到的原始振动信号利用滑动窗进行分割来构造样本数据集，将样本数据集中的每个样本数据转换为二维图像，并构造训练数据集和测试数据集；S3、利用训练数据集对噪声增强卷积神经网络进行训练，并在训练过程中，通过网络权重参数与训练轮次生成噪声，注入到所述噪声增强卷积神经网络中对其进行增强；S4、将训练好的噪声增强卷积神经网络用于测试数据集分析，从而得到测试数据的故障诊断结果。本发明能够增强卷积神经网络模型的泛化性，提高故障诊断的精度。