为实现卷积神经网络(CNN)对滚动轴承微弱故障位置的辨识,首先在保留整体信息的情况下,使用分段聚合近似(PAA)对轴承信号降维压缩;其次引入了格拉姆角场(GAF)将降维压缩后的轴承一维时间序列转换成了二维图像;然后引入批量归一化层、小批量法(minibatch)等方法设计卷积神经网络;最后将训练样本图像输入卷积神经网络进行训练和验证。结果表明,格拉姆和/差角场图均可有效识别滚动轴承不同零件的故障,格拉姆差角场在准确度上较格拉姆和角场高,更适合用于微弱故障的识别。