基于多尺度改进深度残差收缩网络的滚动轴承寿命状态识别

来源：振动与冲击杂志2025年第7期北京时间：

作者：陈仁祥，张雁峰，杨黎霞008@cqust，梁栋，李嘉琳，闫凯波

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.重庆科技大学经济与金融学院,重庆401331

摘要：针对背景噪声和不同工况下单一尺度模型特征提取能力有限，引起滚动轴承寿命状态识别率下降的问题，提出基于多尺度改进深度残差收缩网络（Multi Scale-Improved Deep Residual Shrinkage Network, MS-IDRSN）的滚动轴承寿命状态识别方法。首先，在深度残差收缩单元中引入改进的阈值函数提升网络的抗噪性能，并减小降噪过程中的寿命状态信息丢失；然后，采用不同卷积核尺寸的深度残差收缩单元构建特征提取器，避免单一尺度感受野引起在不同工况下的特征提取能力下降。最后，利用最大均值差异损失适配源域与目标域特征的特征分布，通过Softmax分类器实现在不同工况的轴承寿命状态识别。在PRONOSTIA数据集和自测轴承数据集上验证了所提方法的可行性和有效性，结果表明所提方法具有较好的抗噪性能和泛化性能，在考虑背景噪声和不同工况条件下相比对比方法的寿命状态识别率提升7.6%至46.5%。<br>

关键词：滚动轴承; 寿命状态识别; 阈值函数; 多尺度特征; 深度残差收缩网络