原创力文档摘要
摘要
滚动轴承作为旋转机械的关键部件，其故障监测与诊断对设备安全至关重要。然而，
复杂工况下的多样化故障形式及噪声干扰使故障特征提取面临挑战。循环平稳特征能够
有效反映信号的周期性统计特性，为故障增强与识别提供新思路。本文围绕早期微弱故
障与强噪声背景下的诊断问题，提出多种滚动轴承故障识别方法，并探索循环平稳特征
提取与深度学习分类模型的融合，构建了具备鲁棒性与高诊断精度的智能诊断框架。创
新研究成果如下：
(
摘要
摘要
滚动轴承作为旋转机械的关键部件，其故障监测与诊断对设备安全至关重要。然而，
复杂工况下的多样化故障形式及噪声干扰使故障特征提取面临挑战。循环平稳特征能够
有效反映信号的周期性统计特性，为故障增强与识别提供新思路。本文围绕早期微弱故
障与强噪声背景下的诊断问题，提出多种滚动轴承故障识别方法，并探索循环平稳特征
提取与深度学习分类模型的融合，构建了具备鲁棒性与高诊断精度的智能诊断框架。创
新研究成果如下：
(
文档评论（0）