基于混合残差网络和宽度学习的小样本轴承故障诊断

摘要

针对实际工程中轴承故障诊断面临的小样本与变工况问题，提出一种融合混合残差网络和宽度学习系统的综合诊断模型。首先，通过时间窗分割与短时傅里叶变换将原始振动信号转换为时频图；随后，建立残差网络与混合网络融合的混合残差网络，以增强特征的判别性与丰富性；在此基础上结合迁移学习机制，通过迁移源域特征以减小域间分布差异，提升模型在目标域中的泛化性能。最后，将提取的高维特征输入宽度学习系统进行特征扩展，以进一步强化其特征表达能力、完成分类。实验结果表明，所提方法在小样本及变工况下的分类准确率显著优于传统方法，具有优异的鲁棒性与泛化能力。

关键词

宽度学习 / 压缩激励网络 / 残差网络 / 轴承故障诊断 / 小样本