10.3969/j.issn.1004-132X.2023.18.008
动态宽卷积残差网络的轴承故障诊断方法
卷积神经网络特征提取范围受其卷积核感受野大小的制约,单一尺度的卷积核难以充分捕捉不同冲击的频率成分.针对上述原因导致轴承故障诊断准确率难以进一步提高的问题,提出一种动态宽卷积残差网络轴承故障诊断方法.该方法在一维深度残差网络框架基础上引入宽残差核结构,构建轴承故障特征的双通道并行网络结构;然后通过网络注意力机制对卷积核进行动态加权,自适应地充分提取不同尺度特征信息,实现轴承故障的有效识别.验证实验结果表明,所提出的方法在不同噪声水平的轴承故障诊断任务中均能达到98%以上的准确率,网络动态尺度加权机制改进能有效提高轴承故障诊断效果,尤其在强背景噪声下仍能保持高精度故障诊断.
故障诊断、滚动轴承、残差网络、噪声干扰
34
TP182(自动化基础理论)
国家自然科学基金;国家重点研发计划;中央高校基本科研业务费专项
2023-10-16(万方平台首次上网日期,不代表论文的发表时间)
共10页
2212-2221