10.3969/j.issn.2095-2163.2022.09.007
多尺度CNN结合自注意力特征融合机制的轴承故障诊断方法
针对轴承故障诊断模型输入信息单一,且变负载、噪声工况下诊断精度受限的问题,提出一种多尺度卷积神经网络结合自注意力特征融合机制(SA-MCNN)的故障诊断方法.该方法首先使用不同核大小的卷积层并行提取振动信号的多尺度信息后,采用自注意力特征融合机制,为并行的多尺度特征加权融合;最后根据融合后的特征,区分轴承的健康状态.实验结果表明,与其它故障诊断模型相比,SA-MCNN模型能够根据多尺度信息有效捕捉高质量的状态特征,在跨负载工况和噪声工况下表现出强鲁棒性.
多尺度卷积神经网络、自注意力机制、特征融合、轴承故障诊断
12
TH165+.3
国家自然科学基金;上海市地方院校能力建设项目
2022-10-09（万方平台首次上网日期，不代表论文的发表时间）
共8页
37-44
