基于ResNet18和遷移學(xué)習(xí)的滾動軸承故障診斷

摘要： 針對基于深度學(xué)習(xí)的滾動軸承故障診斷網(wǎng)絡(luò)層數(shù)過深模型易退化、難以收集大量故障樣本的問題，提出一種基于ResNet18和遷移學(xué)習(xí)的滾動軸承故障診斷方法。首先，采用小波變換將原始振動信號轉(zhuǎn)換為二維時頻圖像，并通過圖像增強(qiáng)方法凸顯圖像包含的時頻信息；其次，通過遷移學(xué)習(xí)，將在ImageNet數(shù)據(jù)集上預(yù)訓(xùn)練的ResNet18作為初始故障診斷模型；最后，利用軸承數(shù)據(jù)集微調(diào)網(wǎng)絡(luò)所有參數(shù)，生成最... （共5頁）