TY -的A2 -沈,长庆AU -杨,Jingli AU -高,天宇盟——江Shouda AU -李,诗杰盟——唐、清PY - 2020 DA - 2020/12/09 TI -旋转机械故障诊断的基于一维深残余收缩网络广泛卷积层SP - 8880960六世- 2020 AB -在实际工程应用中,不可避免的噪声严重影响了旋转机械故障诊断的准确性。为了有效地识别旋转机械噪声干扰下的故障类别，提出了一种不需要额外去噪的故障诊断方法。首先，建立了直接以受噪声污染的原始振动信号为输入的一维深度残差收缩网络，实现端到端故障诊断;然后，为进一步增强诊断模型的抗噪性，将模型的第一层设置为宽卷积层，提取短时间特征。此外，在诊断模型中引入自适应批归一化算法(AdaBN)，增强了对噪声的适应性。实验结果表明，基于宽卷积层的一维深残差收缩网络(1D-WDRSN)的旋转机械故障诊断模型即使在噪声干扰下也能准确识别故障类别。SN - 1070-9622 UR - https://doi.org/10.1155/2020/8880960 DO - 10.1155/2020/8880960 JF -冲击和振动PB - Hindawi KW - ER -