基于两种改进RedNet的滚动轴承故障诊断方法研究

作     者：郑直 单思然 曾魁魁 王志军 朱勇 ZHENG Zhi;SHAN Siran;ZENG Kuikui;WANG Zhijun;ZHU Yong

作者机构：华北理工大学机械工程学院河北唐山063210 江苏大学国家水泵及系统工程技术研究中心江苏镇江212013 

出 版 物：《机床与液压》 (Machine Tool & Hydraulics)

年 卷 期：2024年第52卷第4期

页      面：200-205页

学科分类：080704[工学-流体机械及工程] 08[工学] 080401[工学-精密仪器及机械] 0807[工学-动力工程及工程热物理] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

基　　金：河北省自然科学基金资助项目(E2022209086) 河北省高层次人才项目(B2020003033) 唐山市科技创新团队培养计划项目(21130208D) 河北省科技重大专项项目(22282203Z) 

主　　题：滚动轴承 RedNet网络 MicroNet网络 MobileNetV3网络 

摘      要：RedNet网络自带的余弦退火算法易使学习率陷入局部极小值,出现拟合现象,导致精度过低。针对此问题,对RedNet进行改进处理,提出了两种MicroNet-RedNet和MobileNetV3-RedNet新型网络。基于RedNet的Involution核思想,用MicroNet网络的微分解卷积和Dynamic Shift-Max动态激活函数对RedNet网络进行改进处理,提出了MicroNet-RedNet新型网络;利用MobileNetV3网络的h-swish激活函数和Squeeze-and-Excitation模块对RedNet进行改进处理,提出MobileNetV3-RedNet新型网络。通过对滚动轴承的实测内圈、外圈和滚动体3种故障的诊断分析可知:所提MicroNet-RedNet和所提MobileNetV3-RedNet可有效地诊断上述故障,诊断精度分别高达98.57%和93.81%,且较传统CNN和原算法RedNet的诊断精度提高很多。