来源：期刊VIP网 时间：
作者：王莹笑;项璇;杨彦红;曹少中;
单位：北京印刷学院信息工程学院;
摘要：为了进一步提高滚动轴承故障检测的准确性、改善时间卷积网络模型（Temporal Convolutional Network,TCN）存在的过拟合问题，本研究提出了增加平均池化层的时间卷积网络（Temporal Convolution with Average Pooling Network, TCAPN）模型。该方法首先使用膨胀因果卷积代替传统卷积神经网络，其次在残差模块多个地方加入平均池化层改善模型过拟合问题，最后结合多个改进残差模块构建本研究提出的TCAPN模型。实验结果表明，在相同工况条件下，TCAPN模型能够更快地收敛，并且平均故障诊断准确率达到了98.73%，相较于TCN模型提高了2.87%，验证了该模型具有高准确性和鲁棒性。
关键词：轴承故障诊断;;深度学习;;时间卷积网络;;残差网络
基金资助：北京市自然基金和北京市教委联合项目(No.KZ202010015021);; 北京印刷学院学科建设及研究生教育专项资助（No.21090224002,No.21090124013);北京印刷学院校级项目(No.Eb202404)
