基于多传感器信号融合和残差神经网络的齿轮箱故障诊断
Journal of Chongqing Institute of Technology（2023）
摘要
针对齿轮箱齿轮在发生故障时故障信号易被强噪声淹没、信号采集不全面且训练网络冗杂的问题,将融合了多传感器信号和加入注意力机制的残差神经网络引入到齿轮箱齿轮故障诊断中.对多个传感器采集到的信号基于振动信号的方差贡献率进行数据融合,获取齿轮箱更为全面的故障信息;通过小波变换获取信号的时频图,构建故障信号的二维时频信息;利用加入了局部跨信道交互策略(ECA模块)的残差神经网络(ResNet)对不同的故障状态进行学习并分类,在不降低维数的通道级全局平均池化后,分类效果得到明显提升.通过对不同故障类型、不同信噪比、不同工况下的齿轮箱故障信号进行识别分析,并与不同的诊断方法对比,证明了所提方法的可行性且具有很快的识别速率.
更多关键词
signal fusion,fault diagnosis,channel attention mechanism,residual neural network
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要