一种基于二次卷积神经网络的轴承非接触故障诊断方法

本发明涉及轴承故障诊断技术领域，提供了一种基于二次卷积神经网络的轴承非接触故障诊断方法，包括如下步骤：构建轴承物理退化信息引导的深度学习模型；对深度学习模型进行训练；提取轴承振动信号的关键特征参数；通过最大均值差异法、峰度优化稀疏性和多维度对数偏差，联合优化物理启发网络损失函数，实现物理信息约束下的神经网络高效收敛；优化深度学习模型，获取最优的诊断模型；获取目标轴承运行的实时振动数据，对目标轴承的故障类型以及故障程度进行判定。本发明解决了传统故障诊断方法中因物理特性利用不足导致的精度下降问题，同时解决了接触式传感器安装困难、易受损坏的局限性，适用于复杂工业环境中的非接触式轴承故障诊断任务。