基于GWO-CMFH和改进ResNet轴承故障诊断

来源：机床与液压杂志2023年第22期北京时间：

作者：欧巧凤，彭泗田，李新民，熊邦书

单位：南昌航空大学图像处理与模式识别省重点实验室；南昌航空大学图像处理与模式识别省重点实验室；中国直升机设计研究所直升机旋翼动力重点实验室；南昌航空大学图像处理与模式识别省重点实验室

摘要：针对不同程度的小分类轴承故障，现有故障诊断方法准确率不高的问题，提出基于GWO-CMFH和改进ResNet的滚动轴承故障诊断方法。对于同一类型不同程度故障，提出基于GWO自适应优化结构元素参数的CMFH滤波方法，增强振动信号的脉冲故障特征并抑制背景噪声；采用连续小波变换将滤波后的信号转换成二维时频图谱；最后，提出基于混合注意力机制改进的残差网络模型，提高轴承故障诊断精度。在西储大学、东南大学及所选轴承数据集上进行验证实验，不同故障程度的小分类诊断准确率分别达到99.73%、98.12%和99.07%,表明所提方法具有很好的抗噪性、鲁棒性，可提高滚动轴承不同故障程度的诊断效果。

关键词：滚动轴承故障诊断;GWO;CMFH;混合注意力机制;残差网络(ResNet)

基金资助：国家自然科学基金地区科学基金项目（62365014）；航空科学基金(20185756006)