深度残差网络在滚动轴承故障诊断中的研究

• 作者: 张小刚 丁华 王晓波 杨亮亮
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 深度学习 振动信号 深度残差网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 理论与方法研究|Study on Theory and Method
• 页码范围: 77-80
• 页数: 4页
• 分类号: TH16
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2022.01.017

摘要

近年来,由于传统人工提取特征的方法不足以准确表征滚动轴承的健康状态,深度学习算法被逐渐应用于滚动轴承的故障诊断中,它能够自适应的从输入数据中学习出所需要的特征.其中,相较于普通的深度学习算法,深度残差网络通过恒等映射的方式可以大幅度降低模型的训练难度.因此,采用了一种用于滚动轴承故障诊断的深度残差网络(ResNet),它可以直接将原始振动信号作为模型的输入,通过池化层、残差模块和分类层相互连接,更加有效的挖掘信号特征之间的信息,从而增强了轴承振动信号的特征学习能力.实验结果表明,该模型能够达到99.75％的轴承故障诊断精度,实现了良好的故障分类任务,为以后的机械故障诊断研究提供了理论指导和借鉴.