机床与液压

作者：曹月，王衍学，姚家驰，王祎颜

单位：北京建筑大学机电与车辆工程学院；北京建筑大学机电与车辆工程学院；北京建筑大学机电与车辆工程学院；北京建筑大学机电与车辆工程学院

关键词：故障诊断;并行双通道;多模态融合;格拉姆角场;自注意力机制

基金：国家自然科学基金项目（52275079）；广西科技重大专项（桂科AA23062031）；青年北京学者；北京建筑大学研究生创新项目（PG2024143）

针对单一通道解释数据存在不全面性、难以达到较高的诊断准确率且在实际生产中旋转机械轴承故障信号微弱易被噪声淹没的问题，提出一种利用图像和时序信号分别进行特征提取、融合分类的并行双通道电机轴承故障分类方法。采用格拉姆角场将时序信号转化为二维图像，随后将一维信号和二维图像同时输入到并行双通道模型中。第一个通道采用卷积神经网络提取空间信息；第二个通道采用门控循环单元挖掘振动信号中的时序特征。最后，将两个通道提取的时空特征融合并引入多头自注意力机制进行训练。基于公开和实测数据集的实验结果表明：该诊断方法在多种工况下对故障类型的诊断平均准确率高达98.13%；与单通道模型相比具有更高的准确率和鲁棒性。

来源：2025年第13期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第13期