科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对轴承故障诊断方法在变工况条件下诊断效果不佳的问题，提出了一种基于残差神经网络的滚动轴承故障诊断方法.该方法首先以滚动轴承时域信号数据作为输入，针对信号的时变性改进了数据池化层，改进的数据池化层利用三个连续的卷积层串联构建而成，目的在于能够有效地提取振动信号中的故障特征信息，并减少残差神经网络中参数的计算量；然后设计了一种空洞卷积和残差块相结合的空洞残差块，用于特征信息的学习；最后通过在全连接层后加入Dropout层丢弃一定比例的神经元，能有效避免过拟合的负面影响.使用凯斯西储大学轴承数据集进行仿真实验，与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和Resnet三种方法作对比分析，结果表明该方法在变工况下的滚动轴承故障诊断中具有更高的诊断准确率、更强的抗噪性和泛化能力.
- 单位
