基于双时频融合的动车组滚动轴承故障诊断
刘宇恒1
隋江涛2
张晓宁2
曹井琛3
1.中车青岛四方机车车辆股份有限公司,青岛 266111;青岛科技大学 信息科学技术学院,青岛 2660612.中车青岛四方机车车辆股份有限公司,青岛 2661113.青岛科技大学 信息科学技术学院,青岛 266061
摘要：[目的]针对动车组滚动轴承故障具有较强随机性、噪声干扰严重且故障数据稀缺,进而导致诊断模型局部特征提取能力不足、诊断准确性低的问题,提出基于ResNet-18网络的双时频特征融合故障诊断方法.[方法]以ResNet-18网络为基本架构,利用短时傅里叶变换(Short Time Fou-rier Transform,STFT)和连续小波变换(Continuous Wavelet Transform,CWT)将原始一维振动信号转化为两种时频图,实现双路特征提取;随后,通过自注意力特征融合层将提取到的两路特征进行融合;最后,采用美国凯斯西储大学(Case Western Reserve University,CWRU)轴承数据和高速动车组滚动轴承台架试验数据开展试验.[结果]结果表明,该模型的分类准确率达到99.66%,展现出优异的诊断性能,可为动车组滚动轴承故障诊断的工程应用提供参考.
关键词：动车组滚动轴承故障诊断时频图ResNet-18网络自注意力
分类号：TH133.3(机械零件及传动装置)
资助基金：国家自然科学基金(62101298)
论文发表日期：2025-11-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 141-147 )
英文信息