基于改进残差网络的齿轮箱故障诊断研究

• 作者: 张晓锋 郝如江 段泽森 夏晗铎 程旺
• 来源期刊: 国防交通工程与技术
• 学科: 工学
• 关键词: 故障诊断 残差收缩模块 注意力机制 全局均值池化
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 研究与设计
• 页码范围: 35-37,34
• 页数: 4页
• 分类号: TH132.41
• 语种: 中文
• DOI: 10.13219/j.gjgyat.2022.03.009

摘要

深度残差网络中的残差模块能较大程度解决特征的丢失和损耗问题,从而能够搭建更深的层数来改善神经网络的训练效果,但是冗余噪声会干扰机械故障诊断精度.残差收缩模块(RSNB)利用注意力机制根据重要程度不同来对特征进行加权,自动地给各个样本设置不同的阈值,在降噪的同时最大程度的保护数据的原始特征.为加快网络训练速度,引入权值均值池化处理.经过实验测试RSNB模块改进的残差网络模型的降噪效果良好,很大程度提升了故障诊断的准确率.