改进注意力机制的滚动轴承故障诊断方法研究

作者：肖安; 李开宇; 范佳能; 仲志强; 贾银亮

来源：计算机测量与控制, 2023, 31(11): 22-30.

DOI：10.16526/j.cnki.11-4762/tp.2023.11.004

• 轴承故障诊断
• 短时傅里叶变换
• 伪彩色处理
• 双注意卷积机制模块
• 残差网络

针对滚动轴承在实际工作环境中噪声较大和负载变化的问题，提出一种基于双注意卷积机制的残差神经网络(DACM＿ResNet, double attention convolution mechanism ResNet)轴承故障诊断方法；首先，对滚动轴承振动信号进行短时傅里叶变换(STFT,short-time fourier transform)并使用伪彩色处理得到三通道图像数据；然后，对残差神经网络在轴承故障诊断上进行研究，在残差单元的卷积层之后，使用DACM模块，将残差特征在通道和空间维度上进行进一步提取，最后，在凯斯西储大学(CWRU)数据集上进行试验验证，试验结果表明所提出的方法在噪声环境下及负载变化时，平均诊断准确率达到了98%以上，说明所提出的模型有较好的鲁棒性。

• 单位
  南京航空航天大学; 自动化学院