基于DeepLabV3+网络的滚动轴承故障特征识别

滚动轴承的故障信号一般具有非平稳、非线性的特点，通过时频分析可以得到信号中频率随时间的变化关系，有利于识别故障特征。提出了使用DeepLabV3+网络识别时频分布中故障特征的方法，对采集到的滚动轴承振动信号使用短时傅里叶变换得到时频分布，对时频分布中故障区域使用labelme进行标注；将振动信号数据集划分为训练集、验证集和测试集，训练集和验证集用来训练DeepLabV3+网络模型并调整其中的超参数，测试集用来测试网络的泛化能力。使用滚动轴承模拟信号与试验信号对提出的方法进行验证，结果表明该方法可以成功识别滚动轴承的故障特征。