基于改进残差网络的旋转机械变工况故障诊断

作者：段泽森; 郝如江^*; 王一帆; 杨文哲; 郭梓良

来源：组合机床与自动化加工技术, 2022, (10): 100-104.

DOI：10.13462/j.cnki.mmtamt.2022.10.022

• Inception结构
• 注意力机制
• DropBlock层
• 变工况
• 故障诊断

针对旋转机械在实际运转中存在变负载、变噪声和两种同时存在的复合工况干扰而产生的故障诊断效果不理想问题，提出了一种注意力机制、Inception结构、DropBlock层和残差网络相结合的故障诊断模型。该模型以旋转机械的一维振动信号作为输入，通过首层卷积后进入多尺度网络结构，通过增加网络对卷积核尺寸的适应性，提取出更丰富的特征信息。再通过多个残差块进行更深层的特征提取，利用注意力机制提取更加关键的信息，使模型分类能做出更准确的判断，最后通过Softmax分类器进行故障识别。通过动力传动故障诊断综合实验台(DDS)的齿轮箱数据和美国凯斯西储大学(CWRU)的滚动轴承数据验证，结果表明本文方法在复杂的变工况下有很强的鲁棒性。

• 单位
  石家庄铁道大学