基于超小波变换与OD-ConvNeXt-ELA的矿用滚动轴承故障诊断
吴新忠
罗康
唐守锋
何泽旭
陈琪
中国矿业大学 信息与控制工程学院,江苏 徐州 221116
摘要：针对现有矿用滚动轴承故障诊断方法存在特征提取能力有限、泛化性欠佳的问题,提出了一种基于超小波变换(SLT)与OD-ConvNeXt-ELA的矿用滚动轴承故障诊断方法.以ConvNeXt-T为基础,引入批归一化(BN)技术以提高网络的泛化性,使用全维动态卷积(ODConv)替换原有的深度可分离卷积,以提高网络的适应性,引入高效局部注意力(ELA)以使网络聚焦关键位置特征,构建了矿用滚动轴承故障诊断OD-ConvNeXt-ELA网络模型;为充分利用OD-ConvNeXt-ELA网络模型的图像特征提取能力,选用SLT将采集的滚动轴承一维振动信号转换为二维时频图像后输入OD-ConvNeXt-ELA进行模型训练.选用凯斯西储大学(CWRU)和帕德博恩大学(PU)轴承数据集进行故障诊断实验,结果表明:对于单一工况下的CWRU轴承数据集,OD-ConvNeXt-ELA平均故障诊断准确率为99.65％,较ConvNeXt-T提高了 1.61％;对于跨工况下的CWRU轴承数据集,OD-ConvNeXt-ELA平均故障诊断准确率为87.50％,较ConvNeXt-T提高了 3.30％;对于跨工况下的PU轴承数据集,OD-ConvNeXt-ELA平均故障诊断准确率为89.33％,较ConvNeXt-T提高了 3.46％;基于SLT与OD-ConvNeXt-ELA的矿用滚动轴承故障诊断方法在跨轴承、跨工况及噪声干扰下具有准确率高、泛化能力强的优势.
关键词：矿用滚动轴承故障诊断ConvNeXt超小波变换全维动态卷积高效局部注意力机制
分类号：TD67(矿山电工)
资助基金：国家重点研发计划(2018YFC0808100)江苏省重点研发计划项目(BE2016046)
论文发表日期：2024-12-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 120-127 )
英文信息