【论文解读】基于深度残差收缩网络的机械故障诊断方法
在旋转机械工作过程中,振动信号常伴随强烈的背景噪声,微弱的早期故障特征容易被干扰成分掩盖,影响特征提取的判别力。为此,发表于 IEEE Transactions on Industrial Informatics 的论文《Deep Residual Shrinkage Networks for Fault Diagnosis》提出了一种深度残差收缩网络(DRSN)。该方法将信号去噪领域常用的软阈值化作为非线性变换层嵌入到深度残差网络中,并设计了可自适应确定阈值的子网络模块,实现了在特征学习过程中自动消除与噪声相关的无关特征。