基于改进深度残差降噪网络的滚动轴承故障诊断
孔国财1
王列1
袁峰1
周亚峰1
纪鑫1
尹明虎2
1.国家能源集团宁夏煤业有限责任公司灵新煤矿,银川 7504112.西安理工大学 机械与精密仪器工程学院,西安 710048
摘要：[目的]针对传统轴承故障诊断方法依赖专家经验且机器学习方法易受环境噪声干扰的问题,提出一种改进的深度残差降噪(Deep Residual Noise Reduction,DRNR)网络模型.[方法]首先,利用小波变换将原始振动信号转化为时频图,并结合数据增强技术扩充了样本;其次,构建了深度残差降噪网络,并采用改进的蜣螂优化(Improved Dung Beetle Optimization,IDBO)算法对网络关键超参数进行了全局寻优,以提升分类模型的训练效率;最后,通过凯斯西储大学(Case Western Reserve University,CWRU)标准数据集及宁夏煤业皮带机驱动电动机实际工况数据进行了试验验证.[结果]结果表明,所提模型在低噪声环境下的诊断准确率超过99.3%,在高噪声环境下仍能保持97.3%的准确率,其抗噪性能和鲁棒性显著优于对比模型.
关键词：滚动轴承振动信号分析深度学习深度残差降噪网络
分类号：TH133.33(机械零件及传动装置)
资助基金：宁夏煤业灵新煤矿矿用轴承运行状态监测与智能故障诊断关键技术研发项目(2024JC-YBMS-388)
论文发表日期：2026-04-15
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：12( 154-164,187 )
英文信息