来源：期刊VIP网 时间：
作者：周建民;王云庆;李家辉;
单位：华东交通大学,载运工具与装备教育部重点实验室;轨道交通基础设施性能监测与保障国家重点实验室;
摘要：针对滚动轴承故障诊断中一维振动数据的细微特征提取不明显，以及实时诊断速度慢的问题，采用振动数据转图像数据的预处理方法，使用连续小波变换将振动信号转换为二维时频图，同时提出一种基于结构重参数化技术（RepVGG）的轴承故障诊断方法。将训练模型的多分支网络结构等价转换为单路径网络结构，从而提高推理模型的精度和速度。以轴承故障诊断数据集进行实验验证，并与EfficientNet模型和ResNet50模型进行比较分析，结果表明，RepVGG模型能够准确识别轴承故障类别，平均准确率优于其他方法，并且在相同的实验硬件条件下，推理时长分别减少了81%和66.19%，有效提升了诊断的速度和精度，具有较好的适应性和优越性。
关键词：轴承;;故障诊断;;时频图;;RepVGG模型
基金资助：国家自然科学基金项目（51865010）
