基于多分支卷積神經(jīng)網(wǎng)絡(luò)的軸承變工況故障診斷

摘要： 針對(duì)采用單信號(hào)為輸入的滾動(dòng)軸承智能故障診斷方法存在診斷精度低、噪聲魯棒性差和難以適用于變工況等問題，提出一種多分支卷積神經(jīng)網(wǎng)絡(luò)(MBCNN)用于軸承故障診斷。該方法基于多尺度均值化對(duì)軸承振動(dòng)信號(hào)進(jìn)行重構(gòu)，利用MBCNN的多個(gè)并行的分支從重構(gòu)子信號(hào)中提取豐富互補(bǔ)的故障特征，采用殘差學(xué)習(xí)和全局平均池化層改善模型的訓(xùn)練性能，建立基于微調(diào)的遷移學(xué)習(xí)策略以實(shí)現(xiàn)變工況故障診斷，并進(jìn)行實(shí)驗(yàn)驗(yàn)...