基于多尺度卷积的轴承故障诊断研究

作者：何虹丽; 余俊; 邵力; 陈建辉; 许继欣

来源：设备管理与维修, 2023, (19): 86-89.

DOI：10.16621/j.cnki.issn1001-0599.2023.10.28

• 故障诊断
• 卷积神经网络
• 抗噪性
• 泛化性

针对目前神经网络模型抗噪性、泛化性差的问题，提出一种基于多尺度卷积神经网络模型。该模型首先采用大卷积核进行特征提取，为后续网络层提供较大感受野的同时，还能对高频噪声进行抑制，并采用多分枝、多尺度卷积以提取不同尺度的特征，避免单一尺寸卷积核无法兼顾不同精细度的特征问题，增强网络表达能力。同时采用1×1卷积以较少参数量增加网络深度，提高其非线性表达能力，采用全局平均池化代替全连接层，以减少参数量，防止网络过拟合的发生，最后通过Softmax函数完成故障分类。通过实验验证，该模型具有较好的抗噪性、泛化性以及实用价值。

• 单位
  宁波市轨道交通集团有限公司运营分公司