基于多尺度加權(quán)融合特征學習的轉(zhuǎn)子故障診斷

摘要： 針對一維振動信號表達故障特征信息不全面及轉(zhuǎn)子故障信噪比低的問題，提出一種基于多尺度加權(quán)融合特征學習的轉(zhuǎn)子故障診斷方法。首先，對時域振動信號的幅值進行標準化處理，利用對稱點模式(SDP)原理將多傳感器振動信息融合為二維SDP圖像，通過選取適當?shù)臅r間滯后系數(shù)和角增益，突出不同故障下SDP圖像的特征；其次，構(gòu)建了一種多尺度加權(quán)卷積神經(jīng)網(wǎng)絡(luò)(MSW-CNN)模型，利用3個不同的感受野分...