科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承在噪声背景下的故障诊断研究不足的问题，提出一种基于卷积-注意力机制-强制特征适配(AMCNN-MFA)模型。卷积网络用于对振动信号进行高层特征提取，网络首尾加入通道注意力机制(CAM)用于动态分配特征通道的权重，过滤部分无效信息以减小干扰；强制特征适配(MFA)用于将原始样本和噪声样本中相同故障标签的特征进行领域重合，获取不变特征，实现了模型的适应噪声环境的能力。在不同轴承数据集中添加-10～10 dB噪声的测试集的试验结果表明：AMCNN-MFA模型的平均故障分类准确率高于96%且波动不超过0.4%,优于其他抗噪模型，具备较好的分类性能和鲁棒性，能够应对复杂噪声干扰场景下的滚动轴承故障诊断。
- 单位
