基于STFT和CSPDarkNet的滚动轴承故障诊断方法

针对传统故障诊断技术严重依赖于信号处理的专业知识和人工经验的问题，提出一种基于STFT(ShortTime Fourier Transform，短时傅里叶变换)和CSPDarkNet的滚动轴承故障诊断方法。首先，通过STFT将原始滚动轴承故障信号转换为具有时频信息的二维时频图，制作出时频数据集。然后将得到的特征图像作为CSPDarkNet模型的输入，进行特征自提取和故障诊断，最终实现不同故障类型的分类。为验证所提方法的有效性和优越性，进行了针对滚动轴承典型故障的模拟实验，并与不同特征图转换方法进行了分析和比较。实验表明，STFT-CSPDarkNet方法在滚动轴承故障诊断方面表现出更优的识别效果。