来源：期刊VIP网 时间：
作者：陈家芳;全子城;
单位：广西中烟工业有限责任公司;
摘要：对轴承进行故障诊断关乎设备运行安全及稳定可靠性，使用传统卷积神经网络进行故障诊断，模型运算量过大，且易出现过拟合现象从而导致诊断精度不高。鉴于此提出一种基于对称极坐标法(SDP)和改进ResNeXt50网络相结合的滚动轴承故障诊断方法，首先，将一维振动信号经过小波阈值降噪处理，再输入到经皮尔逊图像相关系数法优化的SDP中生成SDP图像，并通过在ResNeXt50中加入通道注意力机制(SENet)模块构建成SEN-ResNeXt50模型，且在预训练时引入迁移学习策略，得到最终诊断模型并完成轴承不同故障的分类诊断。实验结果表明：所提方法相比于其他方法具有更快的收敛速度和更强的鲁棒性，且实现了更高的诊断识别精度，达到99.50%,为故障诊断领域提供了具备良好可行性和鲁棒性的诊断模型。
关键词：滚动轴承;;对称极坐标;;ResNeXt50;;注意力机制;;故障诊断
