基于神经网络的轴承故障诊断方法及模型

本发明涉及故障诊断技术领域，提供一种基于神经网络的轴承故障诊断方法与模型，通过步骤S1‑S4，通过自适应噪声集合经验模态分解模块提取IMF分量，并依据最小包络熵准则筛选出有用的分量，进而计算时域特征作为初始特征向量。利用一维生成对抗网络对初始特征向量进行扩充，然后融合扩充特征向量和初始特征向量。将特征向量分为训练集与测试集两部分，使用CNN‑BiLSTM模型进行训练，从而构建故障诊断模型。本发明所提出的基于神经网络的轴承故障诊断方法的诊断准确率比其他方法高9％‑25％，且运行时间较短。基于神经网络的轴承故障诊断方法通过实现故障特征的准确、综合提取，显著提高了滚动轴承的诊断精度和抗干扰能力。