欢迎访问机床与液压官方网站!

咨询热线:020-32385312 32385313 RSS EMAIL-ALERT
基于MCABResnet的二维滚动轴承故障诊断新方法
DOI:
作者:
作者单位:

1.太原科技大学 电子信息工程学院

作者简介:

通讯作者:

中图分类号:

TH133.33

基金项目:

山西省回国留学人员科研资助项目(2020-126);山西省回国留学人员科研资助项,(2020-127)山西省重点研发计划 (201903D321012)


A New Method of Two Dimensional Rolling Bearing Fault Diagnosis Based on MCABResnet
Author:
Affiliation:

1.School of Electronic Information,Taiyuan University of Science and Technology,Taiyuan,030024;2.China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对时域信号冗余度大及滚动轴承故障诊断效果和强噪声环境下诊断正确率低和泛化能力差的问题,提出了一种新的基于多联合注意力机制和多残差卷积块的多尺度进化的故障诊断方法。首先,采用宽、窄核卷积的跃迁块和多联合注意机制对深层卷积进行特征补充,减少特征流失,保证特征图的质量。其次,通过通道和空间注意力权重的分配,为卷积层提供不同的权重参数,进行自适应特征细化。将提出的方法分别在凯斯西储大学轴承数据集和东南大学轴承数据集进行试验验证及分析。结果表明,常规的分类准确率达到99.65%以上,在有强噪声干扰的情况下也能达到95%以上,在变工况中分类的平均分类准确率达到90%以上,具有良好的故障诊断效果、泛化能力和抗噪声性能。

    Abstract:

    Aiming at the problems of large redundancy of time domain signals, low diagnostic accuracy and poor generalization ability of rolling bearing fault diagnosis under strong noise environment, a new fault diagnosis method based on multi-scale evolution of multi joint attention mechanism and multi residual convolution block is proposed. First of all, we use transition blocks of wide and narrow kernel convolutions and multiple joint attention mechanisms to supplement

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2023-03-25
  • 最后修改日期:2023-05-08
  • 录用日期:2023-05-31
  • 在线发布日期:
  • 出版日期: