机械工程学报

作者：杜文辽, 杨凌凯, 王宏超, 巩晓赟, 赵峰, 李川

单位：1. 郑州轻工业大学河南省机械装备智能制造重点实验室 郑州 450002;2. 郑州轻工业大学机电工程学院 郑州 450002

关键词：噪声学习,多尺度卷积核,动态加权,多级残差网络,信号去噪；

基金：国家自然科学基金面上(52275138,12202405)、河南省重点研发专项(231111221100)、河南省重大科技专项(221100220200)、河南省重点实验室开放基金(KL03C2104)和盐城市重点研发计划竞争(BE2023024)资助项目。

振动信号常用于监测旋转机械的运行状态，但在采集过程中往往包含大量噪声，为了尽可能去除噪声干扰，提出一种噪声学习的新型神经网络，即基于多尺度动态加权多级残差卷积自编码网络(MDW-MRSCAE)的降噪方法。确切地，通过深度卷积自编码和残差模块结合，使自编码网络对噪声成分进行编码和解码，通过学习噪声特性取代传统学习干净信号。为了解决网络学习中梯度消失问题，提高收敛速度，构建多层残差结构。特别的，在网络中加入多尺度特征提取网络层加强网络对噪声的特征提取能力。为体现不同卷积核的全局贡献，构造动态加权网络层，自适应调整各卷积核的全局权重，进一步提高网络去噪能力。通过典型模拟信号和不同故障实际轴承信号，验证网络去噪有效性。结果表明，该网络模型优于已发表的同类最新模型，信号高频噪声得到明显抑制。

来源：2024年第18期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第18期