基于MDAM-GhostCNN的滚动轴承故障诊断方法

作者：郭俊锋; 谭宝宏^*; 王智明

来源：北京航空航天大学学报, 2023, 1-15.

DOI：10.13700/j.bh.1001-5965.2023.0224

• 滚动轴承
• 故障诊断
• 马尔科夫转移场
• Ghost卷积
• 注意力机制

针对传统故障诊断方法特征提取不充分、计算复杂以及在变工况下识别准确率低的问题，提出了一种基于MDAM-GhostCNN的滚动轴承故障诊断方法。首先，采用马尔科夫转移场(Markov Transfer Field，MTF)将轴承振动信号转化为具有时间相关性的二维特征图。其次，利用Ghost卷积计算精简的优点，构造出GhostCNN。然后，设计了一种混合域注意力机制(Mixed Domain Attention Mechanism，MDAM)，使网络从通道和空间两个维度充分捕获特征信息，实现特征通道间相互依赖的同时让网络有效关注特征空间信息。由此，构建出MDAM-GhostCNN模型。最后，将MTF二维特征图输入到MDAM-GhostCNN模型中进行训练并输出诊断结果。采用凯斯西储大学和江南大学(Jiang Nan University，JNU)轴承数据集进行实验验证，并对其数据集进行加噪处理。结果表明，在变工况下，本文模型有着更高的识别准确率、抗噪性能和泛化性能。

• 单位
  兰州理工大学; 机电工程学院