论文部分内容阅读
针对滚动轴承振动信号不平稳、故障特征难提取的难题,提出了改进残差网络与短时傅里叶变换相结合的滚动轴承故障诊断方法。利用短时傅里叶变换将滚动轴承的时域故障信号转换为时频图像,然后优化激活函数与直连结构建立高精度残差网络模型,进而采用该模型处理时频图像获得特征信息。试验结果表明,该网络模型比普通的卷积神经网络和传统机器学习方法具有更高的准确率。