摘要:针对滚动轴承振动信号非线性、样本量少、传统机器学习诊断算法需要专家经验等问题,提出了一种卷积深度森林(Convolutional Deep Forest,CDF)的故障诊断方法。首先对一维振动信号进行归一化和转图片预处理,接着利用卷积神经网络对图片训练,完成端到端的特征提取,然后使用级联森林对特征进行分析并分类,最后在轴承数据集上验证了CDF的有效性。试验结果表明,CDF针对4种负载下的大小样本数据均能取得较高的准确率,基于二维信号转图片的卷积神经网络和CDF的准确率均高于一维,证明了基于信号转图片数据预处理操作的有效性。