基于双重特征选择的CNN-ISO滚动轴承故障诊断方法

本发明提供了一种基于双重特征选择的CNN‑ISO滚动轴承故障诊断方法。属于旋转机械设备故障诊断领域。第一阶段利用卷积神经网络（CNN）从原始振动信号中自动提取高维深度特征，避免人工特征构造的主观性和复杂性，确保特征提取过程更加客观、全面；第二阶段将改进的蛇群优化算法（Improved Snake Optimization，ISO）与特征剔除、特征激活相结合，实现特征子集选择与支持向量机（SVM）分类器参数的同步优化，在特征空间和参数空间中进行高效的全局搜索，充分挖掘最优特征组合与分类器性能的协同提升潜力。本发明在准确率、搜索效率及模型轻量化方面均优于传统方法，可为实现工业现场轴承早期故障的实时、准确诊断提供思路。