来源：期刊VIP网 时间：
作者：魏波;冯乃勤;刘翠芳;
单位：郑州工业应用技术学院信息工程学院;河南师范大学计算机与信息工程学院;
摘要：滚动轴承是机械设备中的零部件。在工业现场中，轴承经常运行在转速转矩变化的非稳态工况下，信号中的周期性特征被时变工况破坏，频谱中的频率分量不断变化，相互混淆。滚动轴承在非平稳运行状态下，故障特征频率随转频变化，若不计算故障特征频率和因子，就无法准确把握故障特征与正常状态的差异，导致故障诊断的准确率较低。为此，引入深度残差神经网络，提出变转速滚动轴承非平稳故障诊断方法。引入深度残差神经网络，通过ReLU激活函数获取提取故障特征频率的误差值，学习不同工况下信号的内在规律，即使特征在频谱中混淆也能准确提取复杂非平稳信号中的故障特征频率和特征因子。通过构建深度残差神经网络模型，结合瞬时故障特征频率、故障特征因子的计算，分析其在非平稳状态下的频谱；调整深度残差神经网络的各项参数，引入阶比谱，通过分析一阶故障特征阶比和轴承转频阶比即可实现对滚动轴承非平稳故障的诊断。测试结果表明，所提方法可实现对故障轴承的精准诊断，且具有较好的抗干扰能力和最接近1的诊断F1值。
关键词：深度残差神经网络;;滚动轴承;;ReLU激活函数;;短时傅里叶变换;;故障特征频率
基金资助：河南省科技厅项目(182102210549);; 教育部产学合作协同育人项目(230703175305222)
