基于多尺度多路径集成网络的轴承故障诊断方法
戚博炜
李媛媛
宋丽媛
上海工程技术大学 电子电气工程学院,上海 201620
摘要：针对卷积神经网络参数量大、层数深、泛化性能弱的问题,提出了一种基于多尺度多路径集成网络(Multi-scale Multi-path Convolutional Neural Network,MCS-CNN)的轴承故障诊断方法.首先,提出多尺度卷积块,利用深度卷积和逐点卷积来降低网络参数量、增加网络宽度,有效提取多尺度特征;其次,提出集成块,利用多路径的连接方式将低级和高级特征连接起来以增加网络深度,进而提高模型诊断精度;最后,在凯斯西储大学轴承数据集上进行验证.结果表明,在高噪声和跨负载场景下的故障诊断精度分别可达 97.5%和 98.25%,在混合场景下相较于现有的诊断方法精度提高了 15 百分点以上,有效表明了此方法的鲁棒性和泛化性.
关键词：轴承卷积神经网络多尺度多路径故障诊断集成网络
分类号：TH133(机械零件及传动装置)
论文发表日期：2024-08-15
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：9( 778-786 )
英文信息