摘要
本发明公开了一种基于两阶段特征提取的可解释性轴承故障诊断方法，包括：获取待检测振动信号；将所述待检测振动信号输入至斑马优化算法的格拉姆并行卷积神经网络模型，获取故障诊断结果，其中，所述斑马优化算法的格拉姆并行卷积神经网络模型通过训练集训练而成，所述训练集为原始振动信号的时域特征、频域特征和小波包能量特征。本发明所提方法具有更高的准确率、更好的鲁棒性和更强的可解释性，解决了不同工况下故障诊断模型特征识别困难、数据依赖性强、模型参数调整复杂、缺乏可解释性的问题，同时本发明具有的较强可解释性可对基于深度学习技术的故障诊断具有参考意义。
