来源：期刊VIP网 时间：
作者：马新娜;李沂阳;梁秀;刘勤清;汤宇;郑雪鹏;
单位：石家庄铁道大学信息科学与技术学院;
摘要：滚动轴承运行的强噪声环境为数据特征的提取带来难度。针对强噪声工况下的滚动轴承故障诊断的问题，使用残差网络、半软阈值函数、APReLU激活函数和SENet注意力机制构建改进的残差收缩单元(IRSBU),提出了一种卷积降噪自编码器(CDAE)与改进的残差收缩双向长短期记忆网络(ResBiLSTM)相结合的滚动轴承故障诊断方法。首先，对一维原始信号加入高斯噪声来模仿强噪声工况，将加噪数据集输入CDAE中进行特征提取；其次，将编码器编码后隐含层的低维降噪特征输入ResBiLSTM中进行故障诊断；最后，采用凯斯西储大学轴承数据集(CWRU)以及西安交通大学轴承数据集(XJTU-SY)对所提方法进行实验验证。实验结果表明，CDAE-ResBiLSTM模型具有良好的特征提取能力以及抗噪性。
关键词：滚动轴承;;故障诊断;;强噪声工况;;卷积降噪自编码器;;双向长短期记忆网络;;残差收缩单元
基金资助：国家自然科学基金项目(12172234);; 河北省自然科学基金项目(A2021210022);; 河北省三三三人才项目(A202101018)
