基于STFT-SE-ResNet18模型的低速重载轴承故障诊断
郑鑫1
孙显彬1
殷罡2
孔莉娅1
1.青岛理工大学 机械与汽车工程学院,青岛 2665202.煤炭科学研究总院有限公司 矿山人工智能研究院,北京 100013
摘要：[目的]针对低速重载滚动轴承振动信号故障特征微弱和故障特征提取困难等问题,提出一种基于压缩和激励(Squeeze-and-Excitation,SE)注意力机制的ResNet18残差网络的故障诊断方法.[方法]首先,通过短时傅里叶变换(Short-Time Fourier Transform,STFT)将传感器采集到的振动信号转换为二维时频图,利用其在故障特征提取、抗噪性和可视化方面的优势,捕捉到更多的故障特征信息;然后,将二维时频图输入改进后的STFT-SE-ResNet18模型,借助SE注意力机制学习自适应的通道权重,使模型更加关注有用的通道信息,提高了模型的学习能力和识别效果;最后,与其他网络模型进行了对比.[结果]结果表明,该模型在不同工况下的故障诊断效果显著,具有较高的优越性和较大的应用潜力.
关键词：低速重载轴承短时傅里叶变换注意力机制残差网络故障诊断
分类号：TH17(机械运行与维修)TH133.33(机械零件及传动装置)
资助基金：山东省自然科学基金(ZR2021ME026)
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：10( 167-176 )
英文信息