双通道交叉密集连接的滚动轴承故障诊断

作者：王庆荣; 王媛; 朱昌锋; 周禹潼

来源：机械科学与技术, 2023, 1-9.

DOI：10.13433/j.cnki.1003-8728.20230188

• 密集连接网络
• 注意力机制
• 故障诊断
• 残差模块

针对传统卷积网络学习关键故障能力不足、诊断准确率低下的问题，提出一种融合并行ECA模块的双通道交叉密集连接故障诊断模型（DCCNN），该模型在密集连接网络的基础上搭建双通道结构，设计了多卷积残差模块和多尺度密集连接网络对故障特征进行提取，实现故障信息的交互与整合；网络内嵌并行通道注意模块，通过通道注意力机制重赋权重，形成的多权重特征能够从多个角度抑制噪声以及无关信号的干扰；最后在凯斯西储大学的轴承数据和齿轮数据上进行训练；实验结果表明：轴承故障识别准确率为99.31%，验证了模型具有自适应诊断能力；在噪声和负载的工况环境中，网络模型也保持较好的诊断性能，相比于其他方法，所提方法具有良好的泛化性和抗噪性。

• 单位
  交通运输学院; 兰州交通大学