中介轴承是航空发动机的关键部件之一,一旦出现故障,将对发动机的正常运转造成极大威胁。因此对航空发动机中介轴承状态进行实时监测并及时做出诊断具有重要的意义。本文以中介轴承为研究对象,提出基于卷积神经网络的中介轴承故障诊断方法。论文研究内容概括如下:(1)阐述课题的研究背景及研究意义,论述目前国内外滚动轴承及航空发动机中介轴承故障诊断的研究情况,探讨深度神经网络在轴承故障诊断领域的应用现状。阐述三种深度神经网络的基础理论,重点研究深度卷积神经网络,探讨模型的训练过程,介绍典型卷积神经网络模型。(2)针对典型卷积神经网络模型结构复杂及模型参数选择困难的难点,搭建成比例核卷积神经网络模型。采用Adam优化算法用于提高网络训练速度,利用中介轴承典型故障原始时域信号进行验证。针对模型过拟合问题,在模型中添加L2正则化项及dropout层,同时分别研究网络结构超参数对模型的影响,并结合中介轴承故障试验台数据,验证所提出的模型相较于标准深度神经网络及传统诊断方法具有更好的识别效果。(3)针对所提卷积神经网络模型具有较多计算参数的问题,提出灰度变换和优化成比例核卷积神经网络的诊断方法。首先搭建三层成比例核卷积神经网络,其次添加滑动平均模型和dropblock模块用于改善模型鲁棒性和泛化性,最后采用重叠采样增加预训练样本量,并利用灰度变换对输入数据做预处理,分别研究线性灰度变换方法及非线性灰度变换方法在数据预处理阶段的效果。通过与其他诊断方法进行对比试验,结果显示本方法在中介轴承故障识别领域具有更快的诊断速度及更高的诊断准确率。(4)基于LabVIEW平台搭建中介轴承状态监测与智能诊断系统,结合中介轴承故障试验台进行验证。本系统不仅能够对试验台多种信号指标进行信号采集,并实现信号的在线显示与保存,而且可以通过深度神经网络对中介轴承状态进行诊断分析。