基于多尺度注意力倒残差网络的轴承故障诊断

作者：唐侯清; 辛斌斌; 朱虹谕; 乙加伟; 张冬冬^*; 武新章; 双丰

来源：广西师范大学学报(自然科学版), 2023, 41(04): 109-122.

DOI：10.16088/j.issn.1001-6600.2022102601

• 注意力机制
• 倒残差
• 故障诊断
• 滚动轴承
• 卷积神经网络

传统应用于滚动轴承故障识别的深度学习模型诊断精度不高，且训练时间长，为了克服上述问题，本文提出多尺度注意力倒残差网络模型(MARCNN)。首先，该模型构造多尺度特征提取模块，采用多尺度并行卷积获取原始信号的不同层次特征，自适应提取故障特征信息；然后，利用特征图膨胀标准卷积构建浅层卷积模块，提高浅层网络学习能力；最后，构造SE-Mobile模块挖掘深层故障特征并缩减模型参数量。该模型融合注意力机制，整合不同维度特征权重，提升模型故障分类能力。采用凯斯西储大学轴承数据集验证该模型性能，实验结果表明，在无噪音、高斯噪声以及变负载工况下准确率分别达到99.98%、98.41%及94.98%,说明该模型具有较好的抗噪能力和泛化性能。

• 单位
  济南恒誉环保科技股份有限公司; 广西大学