基于注意力机制多尺度卷积神经网络的轴承故障诊断

作者：孙俊静; 顾幸生^*

来源：华东理工大学学报, 2023, 1-10.

DOI：10.14135/j.cnki.1006-3080.20221223001

• 故障诊断
• 卷积神经网络
• 注意力机制
• 空洞卷积
• BEGAN

提出了基于注意力机制的多尺度卷积神经网络(Multi-scale and Attentive Convolutional Neural Network, MACNN)进行轴承故障分类，该模型以一维Resnet18网络结构为主体，卷积模块采用残差模块和空洞卷积并行方式以达到扩大感受野、避免特征信息的丢失的目的。同时，利用注意力机制可以自动提取有用特征的能力，将模型提取特征作为输入送入注意力机制模块，进一步提高模型故障分类能力。此外，采用边界平衡生成对抗网络(Boundary Equilibrium Generative Adversarial Networks, BEGAN)模型对故障数据增强，改变不平衡数据集的比例，增加数据集样本数量，降低MACNN模型的过拟合，提高诊断的准确率。在帕德博恩轴承数据集（Paderborn University Dataset,PU）上验证MACNN模型，实验结果表明，该模型在特征提取和故障分类方面都表现出了良好的性能，优于当前主流模型。

• 单位
  华东理工大学