基于多尺度动态权重混合CNN的旋转机械故障诊断方法

本发明提出了一种基于多尺度动态权重混合CNN的旋转机械故障诊断方法，步骤为：采集诊断对象各个状态下的振动信号；对振动信号进行标准化处理构建数据集，将数据集划分为训练集、验证集和测试集；构造一维卷积神经网络和2D CNN，一维卷积神经网络和2D CNN之间设置1D‑2D转换层，构建MDW‑MCNN模型；利用训练集对MDW‑MCNN模型进行训练，保存最优的参数作为故障诊断模型；利用验证集对故障诊断模型进行验证，得到最终故障诊断模型；将测试集的输入到最终故障诊断模型中，得到故障诊断结果。本发明充分利用1D CNN构造原始振动信号多尺度动态加权的二维表达以及2D CNN强大的特征学习能力，有效提高了故障诊断精度。