关键词：旋转机械;故障诊断;特征提取;卷积神经网络;ID3决策树
摘 要：为解决旋转机械故障类型多、等级不均衡的故障诊断难题，构建了一种基于ID3决策树与卷积神经网络（ID3-CNN）的故障诊断模型。首先对原始信号进行人工时域特征提取，使用t-SNE降维可视化提取出特征混叠的故障，而后利用卷积运算对特征混叠的故障进行二次特征提取，提高模型的特征表达能力，最后使用ID3决策树和卷积神经网络对不同等级的故障进行分类。在轴承数据集上对模型进行了验证，结果表明，严重故障的诊断准确率达到100%，轻微故障的诊断准确率达到95%。与传统的支持向量机及二维卷积神经网络比较，提高了模型的诊断准确率及特征提取能力。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取