基于数据融合和神经网络的滚动轴承故障诊断方法

本发明涉及滚动轴承故障诊断技术领域，具体涉及基于数据融合和神经网络的滚动轴承故障诊断方法，包括S1，采集多个传感器振动数据，并叠加高斯白噪声与脉冲噪声，模拟强噪声工业环境；S2，提取各传感器振动信号的时域与频域特征，构建初步特征矩阵；S3，利用SDAE对特征矩阵进行降噪处理与深度特征提取，融合生成轴承数据集，并划分训练集与测试集；S4，将训练集输入基于Adam优化的分数阶GRU模型进行训练，利用测试集对训练完成的模型进行验证。本发明，通过融合多源传感数据与分数阶神经网络模型，显著提升了滚动轴承故障诊断在强噪声环境下的精度与鲁棒性。