基于时频图像和迁移学习的滚动轴承故障诊断方法

本发明公开基于时频图像和迁移学习的滚动轴承故障诊断方法，步骤是：S1、采集原始滚动轴承振动信号；S2、将滚动轴承振动信号转换为时频图像；S3、将时频图像划分为训练集、验证集和测试集，构建卷积神经网络故障诊断模型；S4、将训练集、验证集的样本数据归一化后输入到网络模型中，迭代训练得到最佳模型；将测试集的样本数据输入到最佳模型中进行分类，得到模型诊断结果；S5、将注意力叠加热力图转化为权重矩阵；S6、计算各类故障样本信号的权重值，评估权重值接近程度，确定样本种类。本发明属于机械状态监测与故障诊断技术领域，解决了现有深度学习模型在滚动轴承故障诊断中，可解释性不足和过程不透明的问题。