基于SWT与改进卷积神经网络的轴承故障诊断
打开文本图片集
摘 要： 针对传统轴承故障诊断依赖专家经验且存在时频特征提取效果不佳，导致故障诊断效率和精度较低的问题，提出一种基于同步压缩小波变换（SWT）与改进卷积神经网络（CNN）的轴承故障诊断模型（SICNN）。首先，将一维的非平稳轴承振动信号通过SWT转换为高频率表达的二维时频图像，作为卷积神经网络的输入；然后，引入SRM对提取的特征进行风格池化与融合，调整卷积通道合适的特征权重，提高重要特征的关注度进而提高网络的表征能力；最后，通过Softmax层输出故障诊断结果。（剩余10559字）