摘要: 基于机理建模的滚动轴承剩余寿命预测方法，模型结构复杂，且需要大量的专家先验知识，而基于深度学习的方法直接对原始数据进行处理，易受到噪声和与退化特征无关的信息干扰。本文提出采用基于时频特征输入的卷积神经网络方法对轴承进行特征提取和剩余寿命预测的方法，首先对原始数据进行分块处理，从中提取局部时频特征作为模型输入，然后采用深度卷积神经网络对特征进一步地学习。为验证对所提模型的有效性，采用轴承加速寿命实验数据集进行了验证分析。