摘要: 针对带式输送机托辊轴承故障诊断中振动信号提取特征困难而导致故障诊断精度较低的难题，提出了一种基于一维卷积神经网络(1DCNN)和极限学习机(ELM)的托辊轴承故障诊断方法。首先，根据具体的故障诊断任务，对采集到的数据进行划分，并进行傅里叶变换。然后，利用1DCNN提取故障特征，根据提取的故障特征利用ELM进行故障分类。测试精度均达到100%,用时分别为2.82和2.42 s。通过与ELM、随机森林、K最邻近法、支持向量机和卷积神经网络等方法对比，体现了所提方法的优越性。结果表明：采用1DCNN和ELM相结合的诊断方法，其诊断效果相比单一方法更好，能够满足煤矿领域托辊故障诊断需求。