Hits:

Date of Publication:2022-10-10

Journal:现代计算机

Issue:15

Page Number:82-88

Abstract:针对滚动轴承故障数据时频特征提取以及故障在变负载环境下难以准确诊断的问题,提出一种基于小波变换和残差神经网络的轴承故障诊断模型。残差神经网络（ResNet）最初用来解决模型网络层数过深而导致的退化问题,本文对传统残差网络进行优化在输入层使用DropBlock层对数据进行随机失活处理,并且在输出层使用全局平均池化代替全连接减少模型的运算量增加模型的泛化能力。首先对一维轴承数据进行小波变换,将其转化为二维时频图,消除手工特征的影响。然后使用本文构建的残差网络模型对同负载和变负载下的数据进行故障类型诊断。实验结果证明:本文模型对测试集的准确率不仅在同负载能达到99.69%以上而且在工况差异最大的情景下也能达到96.07%以上,具有良好的泛化性和鲁棒性。

Note:新增回溯数据