来源：期刊VIP网 时间：
作者：田嘉野;梁朋飞;袁晓明;张立杰;
单位：燕山大学机械工程学院河北省重型机械流体动力传输与控制实验室;河北农业大学机电工程学院;
摘要：智能故障诊断因为其高效、准确的特点，近些年来受到越来越多的关注。然而，在实际的工业应用中，工作负载是会发生变化的，并且健康状态下的数据远多于故障数据，这就导致了故障诊断准确率的降低。这里提出了一种改进的深度残差网络的模型来解决这个问题。首先，通过小波变换将振动信号转换为时频图片。其次，采用空间变换网络和注意力机制以提高分类的准确性。然后，使用Sigmoid Linear Unit(Silu)激活函数代替Rectified Linear Unit(Relu)激活函数。最后，使用类平衡损失函数解决数据类型不均衡的问题。实验通过设置多个不平衡数据集，并结合变工况条件，对改进后的ResNet模型进行验证。实验结果表明，这里所提出的方法结果优于其他方法，且具有良好的鲁棒性和泛化能力。
关键词：深度残差网络;;不平衡数据;;变工况;;故障诊断
基金资助：河北省自然科学基金（E2022203022）
