基于AugModule和LightNet的轴承故障诊断方法研究

来源：计算机测量与控制杂志2025年第7期北京时间：

作者：袁和金,薛烁,陈龙,李金波,马欢

单位：华北电力大学保定 控制与计算机工程学院

摘要：深度学习应用于轴承故障诊断时存在着样本稀缺和模型复杂的问题，对此进行了研究并提出一种结合数据增广模块AugModule和轻量级分类网络LightNet的故障诊断方法。采用STFT将设备的一维振动信号转换为二维时频图，并通过引入谱归一化和AdaptiveMix改进的WGAN扩充数据集，扩充后的数据集输入到LightNet网络进行图像分类。LightNet基于ShufflenetV2改进，使用Scconv提升精度，采用SMU激活函数替代Relu，提出Channel rate和Channel crossing策略优化性能，并重新设置每个Stage中的Block堆叠数目，以实现准确率和效率的最佳平衡。经实验测试，该方法在减少模型参数的同时，具有较高的准确率和实际工程意义。

关键词：滚动轴承;故障诊断;深度学习;WGAN;LightNet

基金资助：国家电网有限公司总部管理科技项目资助:基于电网资源业务中台多模态数据的变压器状态感知与预测性运维技术研究与应用(5700-202340289A-1-1-ZN)