基于STFT-ECA-ResNet18網(wǎng)絡(luò)模型的滾動軸承變負載故障診斷

摘要： 針對傳統(tǒng)方法處理變負載軸承故障診斷時存在的自適應(yīng)能力弱，模型泛化性差的問題，提出了一種改進的基于深度殘差網(wǎng)絡(luò)的故障診斷方法。首先，將采集到的一維時間序列信號進行短時傅里葉變換得到二維時頻數(shù)據(jù)，再利用二維卷積神經(jīng)網(wǎng)絡(luò)從變換后的數(shù)據(jù)中提取特征。然后，通過高效通道注意力機制獲取通道全局信息并對其權(quán)值進行調(diào)整，以增強改進網(wǎng)絡(luò)模型的泛化能力，使其在變負載工況下分類效果得到提高。最后，通過... （共7頁）