来源：期刊VIP网 时间：
作者：田晶;赵梓淇;赵丹;林政;张凤玲;陈仁桢;
单位：沈阳航空航天大学航空发动机学院;中国航发四川燃气涡轮研究院;
摘要：中介轴承作为航空发动机的关键部件，其运行状态直接影响发动机在复杂和恶劣环境中的安全性和可靠性。因此，实现中介轴承运作状态的准确识别对航空发动机安全运行至关重要。本文提出一种基于残差网络（ResNet）与双重注意力网络（A~2-Nets）构建的A~2-ResNet新型模型，用于中介轴承信号分析与故障诊断。首先，通过试验采集中介轴承的振动故障信号作为原始数据；然后，通过短时傅里叶变换（STFT）时频分析方法将采集后的中介轴承故障数据进行预处理并建立训练集；最后，利用A~2-ResNet模型对故障类型进行分类预测。采用所搭建中介轴承试验台采集的数据，将本文所建立模型与压缩和激励网络（SE-ResNet）,ResNet,Le Net等不同模型的特征提取与诊断结果进行对比分析。结果表明，本文所提出A~2-ResNet模型相比于其他模型的预测效果更加优越，训练验证准确率达到99.1%，故障预测平均准确率可达98.5%。
关键词：中介轴承;;A~2-Nets模型;;时频分析;;故障诊断;;分类预测
基金资助：国家自然科学基金（12172231）;; 辽宁省兴辽英才计划（XLYC2203042）;; 沈阳市中青年科技创新人才支持计划（RC220439）;; 辽宁省自然科学基金计划项目（2023-BS-146）~~
