基于多分支卷積神經網絡的軸承變工況故障診斷

摘要： 針對采用單信號為輸入的滾動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網絡(MBCNN)用于軸承故障診斷。該方法基于多尺度均值化對軸承振動信號進行重構，利用MBCNN的多個并行的分支從重構子信號中提取豐富互補的故障特征，采用殘差學習和全局平均池化層改善模型的訓練性能，建立基于微調的遷移學習策略以實現(xiàn)變工況故障診斷，并進行實驗驗...