摘要： 针对传统滚动轴承智能故障诊断方法存在诊断精度低和难以适用于变工况等问题，提出一种基于特征模式分解和蒲公英优化算法并结合深度卷积模糊系统的自适应特征模式轴承故障诊断方法，提高诊断精度。首先，通过特征模式分解对滚动轴承故障信号进行滤波，获得降噪后的振动信号，计算收集到的轴承数据统计时域特征，形成故障特征向量；其次，采用蒲公英优化算法进行排序，选择信息量最大的故障特征，将此特征输入到已构建的深度卷积模糊系统模型中进行训练和测试，得到轴承故障诊断的分类结果；最后，根据轴承数据集开展滚动轴承故障诊断方法对比实验，将所提方法与其他5 种方法进行对比，结果表明所提方法更能实现高噪声条件下对滚动轴承故障的准确诊断。

关键词: 故障诊断, 轴承, 深度卷积模糊系统, 蒲公英优化算法