基于SE-ResNeXt的滚动轴承故障诊断方法

来源：计算机测量与控制杂志2021年第7期北京时间：

作者：胡向东,梁川

摘要：针对滚动轴承在故障诊断过程中信号特征提取困难导致诊断准确率低、鲁棒性差的问题，提出一种基于Squeeze-Excitation-ResNeXt(SE-ResNeXt)网络的滚动轴承故障诊断方法。将采集的一维轴承振动信号作为输入，进行滑动窗口采样与标准化处理，通过压缩、激励操作进行特征重标定，扩大模型感受野，并级联聚集残差变换网络自适应提取故障信号特征。在模型训练过程中选择最优压缩率为1/8以及8个组卷积，引入Relu函数加快网络收敛，使用全局平均池化替代全连接层避免过拟合现象，构造能够自主进行表征学习的最优故障诊断模型。通过仿真实验表明：与目前的深度学习算法相比，SE-ResNeXt网络能够准确的实现轴承故障诊断，并在高噪声的环境下仍具有较好的鲁棒性。

关键词：故障诊断;滚动轴承;SE-ResNeXt;深度学习