基于变分模态提取及轻量级网络的滚动轴承故障诊断

摘要

设计了一种将变分模态提取（VME）与轻量级卷积神经网络（CNN）结合的滚动轴承故障诊断方法，解决了CNN在复杂工业环境下诊断性能低下及参数量庞大的问题。使用VME提取多个传感器收集的振动信号中的期望模态，并构建多传感器灰度特征图，消除信息干扰的同时实现数据融合。在SqueezeNet基础上引入残差结构与超轻量级子空间注意力模块（ULSAM），构建轻量级残差注意力卷积神经网络（LRACNN）。实验结果表明，本文方法在复杂环境下拥有很高的故障识别率和诊断稳定性。

关键词

故障诊断 / 滚动轴承 / 卷积神经网络 / 注意力机制 / 轻量级