科研之友
微信
新浪微博
Facebook
分享链接
摘要
残差网络的残差层数过多不能很好的提取轴承振动信号特征，使得网络模型的故障识别率无法满足工业生产的需求。为了解决这一问题提出一种改进型深度残差网络模型进行轴承故障诊断的方法，通过减少网络的残差个数减轻了网络的冗余度。同时，在此网络的基础上添加了注意力机制模块，使得网络更有针对性地提取重要数据特征。之后将一维振动信号转换为二维灰度图，利用网络模型对图片样张进行特征提取并对网络模型进行充足的训练。为了增加实验的严谨性，使用改进后的模型和其他网络模型对同一个振动信号进行故障识别。实验结果表明，改进的模型故障识别准确率相比较于原模型和其他网络模型都有显著提高，为轴承故障诊断提供了一种更优的模型。
- 单位
