10.3772/j.issn.1002-0470.2024.01.011
基于混合域残差注意力网络的滚动轴承智能故障诊断方法
机械设备正朝着大型化、精密化和自动化的方向发展,机械系统也因此变得越来越复杂.考虑到机械系统可能会发生无特征的灾难性故障,因此机械故障的自动检测是一个巨大的挑战.然而,现有的故障检测方法在对高度复杂的工业系统进行故障类型识别时,误诊率较高,无法给出准确的故障诊断结果.针对这一问题,本文以滚动轴承这一机械设备关键部件作为研究对象,提出一种基于混合域残差注意力网络的故障诊断方法,旨在结合深度卷积神经网络自动学习表示的优点,并配合通道注意力机制和空间注意力机制的关键特征提取能力,提高故障检测性能.实验结果表明,所提出的方法能够准确地检测轴承故障类型,在准确度指标方面优于其他方法.
故障诊断、滚动轴承、通道注意力机制、空间注意力机制、卷积神经网络(CNN)
34
TP277;TP391.41;TH165.3
国家重点研发计划;宁波市科技创新重大专项;国家自然科学基金
2024-02-02（万方平台首次上网日期，不代表论文的发表时间）
共10页
101-110
