基于ECA-ResNet与CEEMDAN能量熵的轴承故障诊断

来源：机床与液压杂志2022年第15期北京时间：

作者：宋振军，高丙朋，庄国航，刘前进，赵恒辉

单位：新疆大学电气工程学院，；新疆大学电气工程学院，；新疆大学电气工程学院，；新疆大学电气工程学院，；新疆大学电气工程学院，

摘要：为解决轴承故障诊断中故障分类模型参数多且泛化性能弱、故障识别率低、识别速度慢的问题，设计一种基于深度学习模型ECA-ResNet、完全噪声辅助聚合经验模态分解与麻雀搜索算法优化的支持向量机(SSA-SVM)的故障诊断方法。通过ECA-ResNet对轴承信号进行建模以提取频域故障特征；将频域特征与CEEMDAN提取的能量熵以及传统信号的时域特征共同构成特征矩阵；通过SSA-SVM进行故障类型识别。结果表明：与传统故障特征提取方式相比，所提出的轴承故障诊断方法能得到良好的诊断效果，轴承故障识别率和分类速度较高。

关键词：故障诊断;注意力机制;残差网络;完全噪声辅助聚合经验模态分解;麻雀搜索算法;支持向量机

基金资助：国家自然科学基金地区科学基金项目(61463047)；新疆维吾尔自治区自然科学基金项目(2019D01C079)