基于深度残差收缩迁移网络的复杂工况下滚动轴承故障诊断

来源：振动与冲击杂志2024年第3期北京时间：

作者：陈仁祥，张晓，朱玉清，徐向阳，杨宝军

单位：1.重庆交通大学交通工程应用机器人重庆市工程实验室，重庆400074；2.重庆智能机器人研究院，重庆400714

摘要：针对噪声和不同转速的复杂工况下滚动轴承故障诊断问题，提出一种基于深度残差收缩迁移网络的复杂工况下滚动轴承故障诊断方法。在深度残差收缩网络中加入领域适配层构建出具备降噪与适配能力的深度残差收缩迁移网络，从而减小噪声带来的干扰及转速变化导致的分布差异。首先，利用注意力机制学习经卷积层后各特征通道的重要性自动设定一组阈值，借助软阈值化将阈值范围内的特征置为零，减少噪声带来的干扰；然后，通过边缘分布适配对齐两域特征分布，减小转速变化带来的分布差异；最后，在Softmax分类层下实现端到端的复杂工况下的滚动轴承故障诊断。复杂工况下滚动轴承故障诊断实验验证了所提方法的可行性和有效性。

关键词：噪声；不同转速；残差收缩迁移；滚动轴承；故障诊断