基于改进残差网络的轴承故障诊断方法

针对现有的轴承故障诊断模型缺乏对信号的空间和时序信息的有效利用，以及模型的泛化性和抗噪性差的问题。提出了一种将LSTM以残差的形式与CNN并联使用，并采用1*1卷积进行跨通道信息融合的神经网络模型IPCNN＿LSTM,解决了传统网络模型无法同时有效地利用信号的空间及时序信息问题。并采用CWRU轴承数据集和QPZZ-Ⅱ系统采集实验平台进行实例验证，该模型能够有效地利用信号的空间和时序信息，在减少参数数量，提高诊断效率的同时取得较高的故障诊断正确率，并具有良好的泛化性、抗噪性及稳定性。