变工况下仍高精度
通过瞬时频率融合与优化卷积网络，实现感应电机变工况下的强抗噪故障诊断。
樊红卫 · Meng, Jin · Gao, JieWen · Kaiwei, Wang · Li, Jie · Shenglin, Liu · Cao, Xiangang · 张旭辉
Structural Health Monitoring 2025
用自适应啁啾模态分解从振动和电流信号中提取瞬时频率，再用最大绝对值规则融合，增强了故障特征在变工况和噪声下的可辨识性。
在噪声强度大于信号强度时准确率仍超71%，等于时超84%，小于时超89%，证明模型对不同类型噪声有强鲁棒性。
卷积神经网络通过优化卷积核宽度和深度，适应了融合样本的特性，提高了诊断精度。