基于残差网络的航空发动机滚动轴承故障多任务诊断方法

针对当前基于深度学习的航空发动机滚动轴承故障诊断技术诊断任务单一的问题，提出一种基于多任务残差网络的滚动轴承故障诊断方法，该方法采用残差网络为深层特征提取与共享主框架，建立能够同时进行故障诊断的多任务模型。首先，在数据预处理中，将滚动轴承的振动加速度时域信号转换为频谱图，并直接作为网络的输入；然后，应用标签平滑技术对故障类别标签做了平滑处理以提高网络的测试精度；最后，利用两组实际的滚动轴承故障数据集对所建立的多任务模型进行试验验证，将诊断任务划分为：故障状态识别(正常和异常)、故障部位识别(内圈、外圈和滚动体故障)、以及故障程度识别(损伤尺寸大小预测)。结果表明，所搭建的多任务模型在故障状态识别和部位诊断中的准确率达到97%以上。同时，在故障识别中，损伤大小预测达到了满意的精度，充分表明该方法具有很强的故障多任务诊断能力。