基于STFT和Res2Net的轴承故障诊断方法

在矿业轴承故障诊断中,故障发生时频率会发生变化,而原始时域信号的有效信息较少,且单一网络难以有效提取到很细微的故障特征。针对以上问题,提出了一种基于短时傅里叶变换(STFT)和Res2Net的多尺度特征提取网络用于滚动轴承故障诊断。将经STFT后生成的图像作为输入,充分发挥卷积网络的优势,同时,引入CBAM注意力模块,实现了自适应的强化有效信息而抑制干扰信息。