来源：期刊VIP网 时间：
作者：刘宇恒;隋江涛;张晓宁;曹井琛;
单位：中车青岛四方机车车辆股份有限公司;青岛科技大学信息科学技术学院;
摘要：【目的】针对动车组滚动轴承故障具有较强随机性、噪声干扰严重且故障数据稀缺，进而导致诊断模型局部特征提取能力不足、诊断准确性低的问题，提出基于ResNet-18网络的双时频特征融合故障诊断方法。【方法】以ResNet-18网络为基本架构，利用短时傅里叶变换（Short Time Fourier Transform, STFT）和连续小波变换（Continuous Wavelet Transform, CWT）将原始一维振动信号转化为两种时频图，实现双路特征提取；随后，通过自注意力特征融合层将提取到的两路特征进行融合；最后，采用美国凯斯西储大学（Case Western Reserve University, CWRU）轴承数据和高速动车组滚动轴承台架试验数据开展试验。【结果】结果表明，该模型的分类准确率达到99.66%，展现出优异的诊断性能，可为动车组滚动轴承故障诊断的工程应用提供参考。
关键词：动车组滚动轴承;;故障诊断;;时频图;;ResNet-18网络;;自注意力
基金资助：国家自然科学基金项目（62101298）
