关键词：故障诊断;分数阶傅里叶变换;卷积神经网络;离心泵;滚动轴承
摘 要：提出了一种分数阶域多尺度特征卷积神经网络的智能诊断方法。首先，对原始振动信号进行分数阶傅里叶变换(FRFT),获得多个分数阶次下振动数据的时频特征；其次，构建具有多尺度特征学习模块的轻量级卷积神经网络(MFL-Net),进一步从分数阶域时频特征中提取故障信息，通过训练获得诊断模型并应用于故障识别；最后，通过离心泵和滚动轴承故障数据集对所提方法的有效性进行验证。结果表明：所提方法可以有效提取非平稳信号中的故障特征，并实现故障的准确诊断。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取