来源：期刊VIP网 时间：
作者：戚博炜;李媛媛;宋丽媛;
单位：上海工程技术大学电子电气工程学院;
摘要：针对卷积神经网络参数量大、层数深、泛化性能弱的问题，提出了一种基于多尺度多路径集成网络(Multiscale Multi-path Convolutional Neural Network, MCS-CNN)的轴承故障诊断方法。首先，提出多尺度卷积块，利用深度卷积和逐点卷积来降低网络参数量、增加网络宽度，有效提取多尺度特征；其次，提出集成块，利用多路径的连接方式将低级和高级特征连接起来以增加网络深度，进而提高模型诊断精度；最后，在凯斯西储大学轴承数据集上进行验证。结果表明，在高噪声和跨负载场景下的故障诊断精度分别可达97.5%和98.25%，在混合场景下相较于现有的诊断方法精度提高了15百分点以上，有效表明了此方法的鲁棒性和泛化性。
关键词：轴承;;卷积神经网络;;多尺度多路径;;故障诊断;;集成网络
基金资助：科技部重大专项(2020AAA0109300)资助~~
