基于STFT-ECA-ResNet18網絡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絡的故障診斷方法。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據，再利用二維卷積神經網絡從變換后的數據中提取特征。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值進行調整，以增強改進網絡模型的泛化能力，使其在變負載工況下分類效果得到提高。最后，通過... （共7頁）