基于高斯濾波與多尺度CNN的抗噪軸承故障診斷方法

摘要： 針對(duì)滾動(dòng)軸承在強(qiáng)背景噪聲環(huán)境下故障診斷性能不佳，已有基于深度學(xué)習(xí)和降噪處理的故障診斷模型規(guī)模較大，復(fù)雜度較高導(dǎo)致難以實(shí)際部署的問(wèn)題，提出一種基于高斯濾波（Gaussian-filter）和多尺度卷積神經(jīng)網(wǎng)絡(luò)（MultiScale Convolution Neural Network,MSCNN）的滾動(dòng)軸承故障診斷方法，可在噪聲環(huán)境中實(shí)現(xiàn)低復(fù)雜度、高精度的故障診斷，并對(duì)不同負(fù)載情...