文献类型：期刊文章

作　　者：赵小强[1,2,3] 梁浩鹏[1]

ZHAO Xiaoqiang;LIANG Haopeng(College of Electrical Engineering and Information Engineering,Lanzhou University of Technology,Lanzhou 730050,China;Key Laboratory of Gansu Advanced Control for Industrial Processes,Lanzhou 730050,China;National Experimental Teaching Center of Electrical and Control Engineering,Lanzhou University of Technology,Lanzhou 730050,China)

机构地区：[1]兰州理工大学电气工程与信息工程学院,兰州730050 [2]甘肃省工业过程先进控制重点实验室,兰州730050 [3]兰州理工大学国家级电气与控制工程实验教学中心,兰州730050

出　　处：《西安交通大学学报》

基　　金：国家自然科学基金资助项目(61763029);甘肃省高等学校产业支撑引导项目(2019C-05);甘肃省工业过程先进控制重点实验室开放基金资助项目(2019KFJJ01)。

年　　份：2020

卷　　号：54

期　　号：9

起止页码：23-31

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对滚动轴承工况复杂多变、环境噪声干扰大、有效数据样本不足而导致的故障诊断效果不佳的问题,提出了一种用于滚动轴承变工况故障诊断的改进残差神经网络方法。以采集到的滚动轴承时域信号作为输入,针对滚动轴承时域信号时变性较强的特点,构建了一种基于Inception模块改进的数据池化层。基于Inception模块思想,采用3个3×3的小卷积层串联和堆叠以及加入残差连接的方式构建数据池化层,有效地提取了特征信息。在残差块中添加跳跃连接线,设计了一种带跳跃连接线的残差块,增强了残差块对特征信息的学习效率。利用空洞卷积能够扩大感受野的优点,将带跳跃连接线的残差块中的普通卷积替换为空洞卷积,设计了一种带跳跃连接线的空洞残差块。将设计的两种残差块端对端首尾相连构建神经网络。将所提方法与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和ResNet方法进行了仿真对比,结果表明,所提方法在变噪声实验中的平均准确率为97.34%,变负荷实验中的准确率为88.83%~96.76%,均高于其他方法的,变工况实验中的平均准确率高于ResNet方法的,且具有更低的均值方差0.000 6。所提方法具有较强的抗噪性和泛化能力。

关 键 词：故障诊断 滚动轴承 变工况 残差神经网络  

分 类 号：TH133.3] TP206.3]