多通道信息融合与深度迁移学习的旋转机械故障诊断
打开文本图片集
摘要：针对单通道信号特征信息不充分的问题，提出了一种多通道信息融合与深度迁移学习的旋转机械故障诊断方法。首先使用小波变换将多传感器采集的一维信号生成多幅时频图，然后将时频图信息融合为多通道图像，最后将预训练的深度残差网络作为迁移模型对旋转机械进行故障诊断。圆柱滚子轴承、某局机务段机车轴承和齿轮箱数据集的识别准确率分别为99.23%、99.78%和99.50%，凯斯西储大学轴承数据集的跨工况迁移试验识别准确率达93.12%，这表明所提方法具有一定的优越性和可扩展性。（剩余15160字）
