融合二维频域与改进型ResNet的故障诊断模型.pdfVIP

第45卷第1期桂林电子科技大学学报Vol.45,No.1

2025年2月JournalofGuilinUniversityofElectronicTechnologyFeb.2025

DOI:10.16725/j.1673-808X.2023180

引用本文：王琳,贾飞,胡晓丽.融合二维频域与改进型ResNet的故障诊断模型[J].桂林电子科技大学学

报,2025,45(1):1-10.

WANGLin,JIAFei,HUXiaoli.Faultdiagnosismodelintegrating2Dfrequencydomainandimprovedresidu-

alnetworks[J].JournalofGuilinUniversityofElectronicTechnology,2025,45(1):1-10.

融合二维频域与改进型ResNet的故障诊断模型

王琳，贾飞，胡晓丽

（桂林电子科技大学广西可信软件重点实验室,广西桂林514004）

摘要：因为数据形态的制约，故障数据经快速傅立叶变换后直接使用深度学习模型，往往不能获得足够的数据特征，使得

很难进一步提高变工况下故障诊断的准确性和泛化程度。为此，提出一种融合二维频域与改进残差网络的轻量级故障诊断

模型。在获取和学习更多特征之前，截取FFT方法转换所得对称频谱的前半段，并在二维面上以行优先方式展开，得到以矩

阵表示的频域数据特征信息；然后以ReLU6作为残差网络的激活函数来学习矩阵特征；最后把终态特征信息映射为独热码

向量。在凯斯西储大学的数据集上测试表明，该模型与一维诊断模型相比，诊断准确率提高了7.07个百分点；与标准残差网

络相比，准确率的波动降低了0.14个百分点，提升了故障预测的准确率和稳定性。

关键词：故障诊断；二维频域；残差网络；独热码；全局平均池化

中图分类号：TP183文献标志码：A文章编号：1673-808X（2025）01-0001-10

Faultdiagnosismodelintegrating2Dfrequencydomainand

improvedresidualnetworks

WANGLin，JIAFei，HUXiaoli

（GuangxiKeyLaboratoryofTrustedSoftware,GuilinUniversityofElectronicTechnology,Guilin541004,China）

Abstract：Duetotheconstraintsofdataformat,usingdeeplearningmodelsdirectlyafterfastFouriertransformonfaultdataoften

failstoobtainsufficientfeatures,makingitdifficulttofurtherimprovetheaccuracyandgeneralizationoffaultdiagnosisundervari-

ableoperatingconditions.Tothisend,alightweightfaultdiagnosismodelisproposedthatintegratestwo-dimensionalfrequencydo-

mainandimprovedresidualnet