[发明专利]一种基于时频分析的残差网络滚动轴承故障诊断方法

权利要求书

1.一种基于时频分析的残差网络滚动轴承故障诊断方法，其特征在于，包括以下步骤：

S1、采集振动信号数据，利用短时傅立叶变换将滚动轴承的振动时域信号转换为时频图，将时频图转换为二维的灰度时频图；

S2、利用残差网络对信号进行特征提取，并诊断轴承的故障类型；残差网络的输入为步骤S1中生成的灰度时频图，输出为故障诊断的结果；

在所述步骤S1中，将每张灰度时频图打上标签，并分割成训练集和测试集；

还包括步骤S3：将步骤S1中训练集的数据输入残差网络进行训练，损失函数采用交叉熵损失函数，优化方法为Adam算法；训练完成后绘制出不同网络层的特征图，同时利用t-SNE算法对不同网络层的输出进行降维可视化，观察不同网络层间的关系；

所述振动时域信号z(t)的短时傅立叶变换为：

其中，t为时间，f为频率，γ(t)为窗函数，t’-t代表滑动的窗口，*代表复数共轭，z(t)为信号；

所述残差网络为20层的残差网络，残差网络的第一层卷积核为5×5的卷积核，后面的网络层则为3×3的卷积核。

2.根据权利要求1所述的基于时频分析的残差网络滚动轴承故障诊断方法，其特征在于，还包括步骤S4：将步骤S1中的测试集输入残差网络，测试残差网络的准确率。