基于Mel光谱数据增强和ResNet网络的滚动轴承故障诊断模型

来源：机床与液压杂志2024年第19期北京时间：

作者：高志康，王衍学，姚家驰，李昕鸣

单位：北京建筑大学机电与车辆工程学院；北京建筑大学机电与车辆工程学院；北京建筑大学机电与车辆工程学院；北京建筑大学机电与车辆工程学院

摘要：针对工业数据采集困难和稀疏数据特征提取能力有限等问题，提出一种基于Mel光谱数据增强和ResNet网络的滚动轴承故障诊断模型。为了增加训练样本数据的多样性，引入了Mel光谱数据增强技术，提高模型的泛化能力，使其能够更好地适应各种滚动轴承故障情况。通过ResNet网络残差单元的堆叠深度捕捉复杂的故障特征信息，进而有效识别滚动轴承的故障模式。最后，对实验现场采集的滚动轴承故障数据进行验证评估。结果表明：所提模型在增强数据集上的诊断准确率高达99.83%，比原始数据集准确率提高了1.39%；与其他方法相比，该模型在准确性和鲁棒性方面都取得了显著改进，能更准确地识别滚动轴承的不同故障类型。

关键词：故障诊断;滚动轴承;Mel光谱数据增强;深度残差网络

基金资助：国家自然科学基金