科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
- 单位
